Почему AUC-ROC не всегда подходит для многоклассовых задач без модификаций?
Anonymous Quiz
28%
Потому что он требует равного количества примеров для всех классов
52%
Потому что ROC определён только для бинарной классификации
4%
Потому что AUC не работает с вероятностями
16%
Потому что ROC не может быть усреднён
❤2
Когда стоит использовать пост-прунинг вместо прекрашения роста дерева (pre-pruning)?➡️
Anonymous Quiz
12%
Когда важно уменьшить вычислительные затраты
76%
Когда нужно позволить дереву сначала выучить все закономерности, а потом удалить лишние ветви
5%
Когда у нас мало данных
7%
Когда дерево не может переобучиться
❤1
🖤 ЧЕРНАЯ ПЯТНИЦА: СКИДКА 40%
Что общего между Black Friday и подготовкой к собесам? Оба случаются раз в год, и оба нельзя пропустить! 😎
🔥 Курсы со скидкой 40% до конца ноября:
🐍 Python
📐 Математика
🤖 AI
🔢 Алгоритмы и структуры
Пока другие покупают кофемашины и телевизоры, инвестируй в себя📈
Что общего между Black Friday и подготовкой к собесам? Оба случаются раз в год, и оба нельзя пропустить! 😎
🔥 Курсы со скидкой 40% до конца ноября:
🐍 Python
📐 Математика
🤖 AI
🔢 Алгоритмы и структуры
Пока другие покупают кофемашины и телевизоры, инвестируй в себя📈
Почему стандартная k-fold кросс-валидация плохо подходит для временных рядов?
Anonymous Quiz
9%
Потому что данные могут быть не IID (независимыми и одинаково распределёнными)
91%
Потому что нарушается временной порядок и происходит утечка данных из будущего
0%
Потому что k слишком маленькое
0%
Потому что нельзя использовать метрику AUC
👍1
Если при кросс-валидации модель показывает очень разные результаты на разных фолдах, а на тесте — низкую ошибку, что это может значить?
Anonymous Quiz
10%
Недостаток данных
52%
Сильная зависимость модели от случайных разбиений данных
27%
Модель сильно переобучена на один из фолдов
10%
Модель недообучена
❤1