Ministère de l’Enseignement Supérieur et de la Recherche Scientifique
Université de Carthage
Institut Supérieur des Technologies de l’Information et de la
Communication
Enseignantes TD Niveaux
M. FARHAT - A. NAJJAR - I. BEN OTHMEN Machine Learning 3ème GLSI & Mastère
Exercice 1 : (DS 2022)
1- Soit la Figure 1 suivante qui représente les données d’apprentissage et le modèle
obtenu après une régression linéaire :
5 1
3
6
Xi
Figure 1
1- Que représente l’axe X ? Que représente l’axe Y ?
2- Identifier chacun des éléments de 1 à 6 représentés sur la figure 1.
3- Trouver l’équation de la droite de régression, en considérant les informations
suivantes :
- 𝑌= 5 et 𝑋=3.
- Après estimation, on a la droite de régression passe par le point de
coordonnées (Y=2.5 ; X=2)
Exercice 2
La gérante d’un commerce veut évaluer l’impact des frais déboursés en publicité par mois
(représentés par une variable X exprimée en milliers d’euros) sur le chiffre d’affaires mensuel
(représenté par une variable Y exprimée en milliers d’euros). On aimerait évaluer dans quelle
mesure une modification du budget publicitaire mensuel affecterait le chiffre d’affaires
mensuel. On a donc recueilli sur une période de 10 mois les données du tableau 1 ci-dessous.
1
Tableau 1
Répondez aux questions suivantes :
1. Tracer le nuage de points
2. Estimer les coefficients de la régression linéaire (Remplir l’annexe 1).
3. Etablir la droite de régression correspondant à ce problème et tracer cette droite.
4. Calculer le coefficient de détermination. Interpréter le résultat.
5. Quel serait le chiffre d’affaires mensuel prédit par le modèle pour un budget publicitaire
mensuel de 400 euros ? de 4000 euros ?
Exercice 3 : (DS 2023)
On souhaite étudier la taille des personnes, on dispose alors de l’ensemble de donnée
de la Table 2.
Table 2
1. Spécifier, pour chaque axe de la Figure 2, la variable correspondante.
Figure 2
2
2. En déduire la variable explicative et la variable à expliquer.
3. Déterminer les coefficients de la droite de régression sachant que : (1 point)
(𝑋 − 𝑋) (𝑌 − 𝑋) = 1142312.3218
(𝑋 − 𝑋) = 148019.9229
(𝑦 − 𝑦) = 8815552.7630
(𝑦 − 𝑦) = 10308487.6024
𝑋 = 66.3675
𝑌 = 161.4403
4. Expliquer comment on obtient les résidus (erreurs) de la Table 3 ci-dessous.
Table 3
5. Calculer le coefficient R2 et commenter.
6. Si on collecte un deuxième échantillon de la population, et qu’on estime de nouveau
les coefficients de la droite de régression, aurions-nous les mêmes coefficients trouvés
dans la question 3 ? Justifier votre réponse.
3
Exercice 4 : (DS 2023 Régression Linéaire Multiple)
1. Dans quel cas, on peut écrire l’équation de la régression linéaire simple sous la forme
suivante :
𝑓(𝑥) = 𝑦 = 𝜃 ∗ 𝑥
2. On cherche à expliquer et à prévoir les résultats des élections présidentielles
américaines, entre 1948 et 2012.
On s’intéresse à la variable "Vote" indiquant la proportion des voix obtenues, par le
parti au pouvoir, aux élections ayant lieu à la fin du mandat présidentiel.
D’après une étude publiée dans le journal "le monde", le taux de chômage annuel
moyen lors du mandat écoulé pourrait être déterminant pour voter contre le président
actuel. Une autre étude a mentionné que suite à l’inflation annuelle moyenne, lors des
trois premières années et demie du mandat écoulé d’un président, un grand
pourcentage du peuple américain votera contre le parti au pouvoir. Un autre facteur
important, est la popularité du président au cours des trois derniers mois. Il a été noté
aussi, que les scandales peuvent orienter les votes des électeurs.
a. On cherche à appliquer un modèle linéaire multiple pour la modélisation de ce
problème. Déterminer les variables à expliquer et explicatives relatives.
b. Ecrire l’équation de la régression correspondante (moyennant les variables
déterminées dans la question a. et sans faire des calculs).
/. Bon travail ./
4
Annexe 1
Erreur
X Y X-Moy(X) Y-Moy(Y) (Y-Moy(Y))*(Y-Moy(Y)) (X-Moy(X)) * (Y-Moy(Y)) (X-Moy(X))^2 Y estimé : Y^ (Y^-Moy(Y))^2 carrée
2,6 220 0,44 -10 100 -4,4 0,1936
2,6 280 0,44 50 2500 22 0,1936
2,4 250 0,24 20 400 4,8 0,0576
1,5 170 -0,66 -60 3600 39,6 0,4356
0,9 150 -1,26 -80 6400 100,8 1,5876
3 340 0,84 110 12100 92,4 0,7056
2,7 310 0,54 80 6400 43,2 0,2916
2,3 210 0,14 -20 400 -2,8 0,0196
1,7 180 -0,46 -50 2500 23 0,2116
1,9 190 -0,26 -40 1600 10,4 0,0676
Somme(X) 21,6
Somme(Y) 2300
Moy(X) 2,16
Moy(Y) 230