QCM : Apprentissage Non Supervisé (Clustering)

1 Introduction

Ce questionnaire évalue votre compréhension des techniques de clustering, qui visent à découvrir des groupes naturels dans des données non étiquetées. Pour chaque question, cochez la case correspondant à la réponse la plus correcte.

2 Questions

Question 1

Pourquoi la mise à l’échelle des variables (Feature Scaling) est-elle une étape quasi obligatoire avant d’appliquer des algorithmes comme K-Means ou DBSCAN ?

1. Pour que les algorithmes s’entraînent plus rapidement.
2. Pour éviter que les variables avec de grandes échelles ne dominent le calcul des distances.
3. Pour garantir que le nombre de clusters trouvés soit correct.
4. Pour transformer les variables non-normales en variables normales.

Question 2

Comment l’algorithme K-Means assigne-t-il une observation à un cluster ?

1. En se basant sur la densité des points autour de l’observation.
2. En assignant l’observation au cluster dont le centroïde est le plus proche.
3. En suivant un vote majoritaire des K plus proches voisins.
4. En se basant sur une hiérarchie de fusions.

Question 3

Dans la “méthode du coude” utilisée pour choisir le K optimal pour K-Means, que représente le “coude” sur le graphique ?

1. Le point où le modèle commence à sur-apprendre.
2. Le point où l’inertie intra-cluster est maximale.
3. Le point où l’ajout d’un nouveau cluster n’apporte plus une grande réduction de l’inertie.
4. Le nombre maximum de clusters que l’algorithme peut trouver.

Question 4

Vous calculez le score de silhouette moyen pour une solution de clustering et obtenez une valeur de 0.8. Qu’est-ce que cela indique ?

1. Que le clustering est de mauvaise qualité et que les clusters se chevauchent beaucoup.
2. Que le clustering est de très bonne qualité, avec des clusters denses et bien séparés.
3. Que 80% des points sont correctement classés.
4. Que le nombre de clusters est probablement trop élevé.

Question 5

Quel est le principal résultat visuel produit par un algorithme de clustering hiérarchique agglomératif ?

1. Une matrice de confusion.
2. Un nuage de points avec des centroïdes.
3. Une courbe ROC.
4. Un dendrogramme.

Question 6

Dans un dendrogramme, comment la hauteur d’une fusion entre deux branches est-elle interprétée ?

1. Elle représente le nombre d’observations dans le nouveau cluster fusionné.
2. Elle représente la dissimilarité (ou distance) entre les deux clusters qui ont été fusionnés.
3. Elle représente l’importance de la variable qui a causé la fusion.
4. Elle n’a pas de signification particulière, seule la structure de l’arbre compte.

Question 7

Quel est le principal avantage de l’algorithme DBSCAN par rapport à K-Means ?

1. Il est toujours plus rapide que K-Means.
2. Il peut trouver des clusters de formes arbitraires (non sphériques) et identifier les outliers.
3. Il ne nécessite pas de régler d’hyperparamètres.
4. Il fonctionne mieux sur des données avec un très grand nombre de variables.

Question 8

Dans DBSCAN, que définissent les hyperparamètres eps et min_samples ?

1. Le nombre de clusters et le nombre maximum de points par cluster.
2. La taille maximale de l’échantillon et le nombre d’itérations.
3. Le rayon du voisinage et le nombre minimum de points dans ce voisinage pour former une région dense.
4. La distance minimale et maximale entre les clusters.

Question 9

Comment DBSCAN traite-t-il les points qui ne sont ni des “points cœurs” ni des “points de bordure” ?

1. Il les assigne au cluster le plus proche.
2. Il crée un nouveau cluster juste pour eux.
3. Il les identifie comme du bruit (ou des outliers) et ne les assigne à aucun cluster.
4. Il les supprime du jeu de données.

Question 10

Vous utilisez le “Adjusted Rand Index” (ARI) pour évaluer votre clustering et obtenez un score de 0.9. Que pouvez-vous en conclure ?

1. Que les clusters trouvés sont très denses.
2. Que la partition trouvée par votre algorithme est très similaire à la partition de vérité terrain (les vraies étiquettes).
3. Que vous avez choisi le bon nombre de clusters.
4. Que 90% de la variance est expliquée par les clusters.