Activité QCM - Techniques de Création de Nouvelles Variables en

Feature Engineering

Question 1: Quel est le rôle du "Binning" (ou discrétisation)?

a) Convertir des variables numériques en variables catégorielles.
b) Transformer des variables catégorielles en variables numériques.
c) Effectuer une transformation logarithmique des variables numériques.

Question 2: Quelle est l'étape initiale pour effectuer le "Numerical Binning" en

Python?
a) Appliquer une transformation logarithmique aux données.
b) Diviser les données en ensembles d'entraînement et de test.
c) Charger le jeu de données contenant les valeurs numériques.
d) Convertir les données en types de données de date/heure.

Question 3: Comment fonctionne la méthode "One-Hot Encoding" pour traiter les

variables catégorielles?
a) Elle remplace les valeurs catégorielles par des nombres entiers.
b) Elle crée de nouvelles colonnes binaires pour chaque catégorie unique.
c) Elle regroupe les catégories en plages de valeurs continues.
d) Elle effectue une transformation logarithmique des valeurs catégorielles.

Question 4: Comment pouvez-vous créer de nouvelles variables calculées à partir de

variables existantes?
a) En appliquant une transformation logarithmique à chaque variable.
b) En regroupant les valeurs uniques de chaque variable en catégories.
c) En effectuant des calculs basés sur les valeurs des variables existantes.
d) En supprimant les variables qui ont des valeurs manquantes.

Question 5: Quelle est la principale différence entre le "Numerical Binning" et le

"Categorical Binning"?
a) Le "Numerical Binning" crée de nouvelles variables catégorielles, tandis que le
"Categorical Binning" crée de nouvelles variables numériques.
b) Le "Numerical Binning" divise les données en ensembles d'entraînement et de test, tandis
que le "Categorical Binning" ne le fait pas.
c) Le "Numerical Binning" groupe les individus en fonction des plages de valeurs, tandis que
le "Categorical Binning" crée des plages de valeurs pour les variables numériques.
d) Le "Numerical Binning" divise les variables en plages de valeurs, tandis que le "Categorical
Binning" divise les variables en catégories distinctes.