Discutez de la manière dont différentes proportions de données d'entraînement par rapport aux données de test peuvent influer sur le modèle en termes de sous-apprentissage et de surapprentissage. En quoi l'ensemble de test fournit-il un moyen d'identifier les problèmes de sous-apprentissage et de surapprentissage ?

Le bureau des admissions d'une université souhaite utiliser un modèle de régression linéaire multiple avec la moyenne générale (GPA) du secondaire des étudiants ainsi que leurs scores au SAT et à l'ACT (tests standardisés) comme variables d'entrée afin de prédire si l'étudiant obtiendrait finalement son diplôme universitaire s'il était admis. En supposant que les affirmations suivantes soient toutes exactes, laquelle constituerait une raison de ne pas utiliser la régression linéaire multiple ?

À l'aide des données relatives aux mots trouvés dans les articles de presse de l'Exemple 6.12, classifiez un article contenant les trois mots, today, disaster et police, comme vrai ou faux.