UVT
Ministêre de l'enseignement supérieur et de la rectherche scientifique Université Virtuelle de Tunis Master Professionnel en Business Analytics & Data Science
AD
MAstere Protssiertnel
Année universitaire 2020-2021
Examen - Session Principale Matière: Machine Learning
Enseignant(es) Filière Classe Nbre. de pages
W. Barhoumi M1 BADS :2
Date Documents
Calculatrice
: 22/05/2021 au t / non aut.
: aut. / renaUt
Exercice 1 (4 points)_
. Décrire la différence entre les deux familles de méthodes (descriptives et prédictives) du Datamining. Donner un exemple de méthode pour chaque famille.(1 point) 2. Les méthodes de classification issues de l'intelligence artificielle (IA) sont des méthodes parametriques ou non paramétriques ? Parmi ces méthodes, on distingue celles qui sont symboliques de celle qui sont non symboliques (ou adaptatives). Expliquer la différence entre ces deux types de méthodes tout en mentionnant quelques exemples de techniques de chaque type.(2 points) 3. Donner les points forts et les points faibles de la méthode de classification par les arbres
Publicité
de décision.(1 points)
Exercice 2 (6 points) Le responsable du recrutement d'une grande compagnie a un taux d'efficacité de 50 %.Il souhaiterait obtenir un modèle afin de pouvoir mieux prévoir si un employé va faire l'affaire et pouvoir rester dans l'entreprise. Il pense que cette capacité dépend des facteurs suivants age (âge),apt (résultats aux tests d'aptitude), exp (expérience en années), sco (scolarité en
annees).
méthode (1 points)
Les résultats sur un échantillon sont les suivants (la variable cap vaut 0 si l'employé a dû être renvoyéet 1 s'il est resté dans l'entreprise) 1. Rappeler l'objectif de l'analyse discriminante. Dans quelle famille appartienne cette 2. Combien d'axes discriminants peut-on obtenir ici ? Justifier la réponse. (1 point) 3 Donner la forme générale des deux matrice V etB, B: matrice de variabilité inter- 4. Quelle matrice doit-on diagonaliser afin d'obienir un axe discriminant optimal? (1 5. Une analyse prédictive en utilisant les fonctions discriminantes linéaires de isher
classes et V: matrice de variance-covariance). (2 points)
donné les résultats suivants. Dans quelle categorie a ete classé P'employé de 28 ans. qui
point)
a
a obtenu 96 au test d'aptitude, quia un an d'experience, 12 ans de scolarité.(1 point)
Cap0=-4.2+7.52* age -5.16 apt + 0.35* exp-5.6* sco
Capl = -5.8+9.39* age -3. 28* apt +0.4* exp -6.9* sco
UVT
Ministère de l'enseignement supérieur et de la recherche scientifique Université Virtuelle de Tunis
Publicité
Master Professionnel en Business Analytics & Data Science
ADS
Mastere Proless
el
Exercice 3 (10 points) On s' interesse à expliquer l'investissement des entreprises(Y) en fonction des 2 variables stock de capital (X1) et profit (X2). A partir des données statistiques relatives à 27 entreprises
naustrielles pour une année donnée. On se propose en premier lieu d' étudier la liaison entre 'investissement et le stock de capital en mettant en ceuvre une régression lineaire simple.
Y=P +*X1+6
1. Donner les hypothèses du modèle. (2 points) 2. Donner la formule des deux paramètres
3. Sachant que les valeurs obtenus des deux paramètres
la méthode du moindre carrée ordinaire. A quoi consiste cette méthode ? (2 points) suit
et Bdu modèlesont comme
et Bdu mod(cid:23)le
linéaire simple en utilisant
P-261.04 , 3.55
Publicité
Interpréter les deux paramètres , et 8, du mod(cid:23)le
linéaire simple.(1 point)
4. Donner la formule du coefficient de détermination R° et expliquer chaque terme de la
formule.(2 points)
5. Interpréter la valeur de R =0.364(1 point)
Pour mieux améliorer le mod(cid:23)le deuxième variable explicative relative au profit (X2). On a obtenu les résultats suivants
ainsi que le coefficient de détermination, on introduit une
Y=B, +B,X, + B,X, +6
-228.9 2.85 B =0.4
6. Détenminer la forme matricielle du modèle linéaire multiple (1 point) 7.
Interpréter les nouveaux paramètres. (1 point)
Bon Travail.