Data Science | Тесты

🤔 Как строится дерево?

Дерево решений строится путем рекурсивного деления данных на подмножества на основе наилучших признаков, которые уменьшают неопределенность (например, с использованием информации энтропии или критерия Джини). Каждый узел в дереве представляет решение на основе одного признака, а ветви — возможные исходы. Процесс деления продолжается до тех пор, пока все данные в узлах не будут однородными или не будет достигнуто ограничение глубины. Листья дерева содержат финальные предсказания для данных.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний

Please open Telegram to view this post

VIEW IN TELEGRAM

👍2

319 views16:01

Data Science | Тесты

🤔 Какие стратегии улучшают обработку больших данных?

Anonymous Quiz

43%

Масштабирование горизонтальное

40%

Оптимизация запросов

Денормализация баз данных

Использование NoSQL баз

💊2

101 voters311 views20:01

Data Science | Тесты

🤔 Какой алгоритм часто используется для прогнозирования временных рядов?

Anonymous Quiz

114 voters304 views09:02

Data Science | Тесты

🤔 Что такое градиентный спуск?

Градиентный спуск — это метод оптимизации, который используется для нахождения минимального значения функции ошибки модели путём итеративного изменения параметров модели (например, весов). На каждом шаге вычисляется градиент функции ошибки по параметрам, и параметры корректируются в направлении, противоположном градиенту. Шаг изменения регулируется параметром скорости обучения (learning rate). Градиентный спуск эффективен для обучения моделей с большим количеством параметров.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний

Please open Telegram to view this post

VIEW IN TELEGRAM

👍1

303 views16:01

Data Science | Тесты

🤔 Какой метод машинного обучения используется для оценки важности признаков, устраняя менее важные признаки в итеративном процессе?

Anonymous Quiz

100 voters297 views20:01

Data Science | Тесты

🤔 Какой метод уменьшения размерности учитывает только межклассовую дисперсию?

Anonymous Quiz

79 voters282 views09:02

Data Science | Тесты

🤔 В каких случаях логистическая регрессия на задачах классификации будет работать лучше, чем случайный лес?

Логистическая регрессия может работать лучше, чем случайный лес, когда данные линейно разделимы или когда модель должна быть интерпретируемой. Логистическая регрессия проще и менее склонна к переобучению, особенно на небольших и чистых наборах данных. Случайный лес может давать более сложные предсказания, но при этом быть менее интерпретируемым. В задачах, где важна простота и скорость работы модели, логистическая регрессия может быть предпочтительнее.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний

Please open Telegram to view this post

VIEW IN TELEGRAM

281 views16:01

Data Science | Тесты

🤔 Какой метод используется для уменьшения размерности данных путем разложения матриц на неотрицательные множители?

Anonymous Quiz

💊14

94 voters267 views20:01

Data Science | Тесты

🤔 Какой метод часто применяют для оценки моделей регрессии?

Anonymous Quiz

Логистическая регрессия

💊2

96 voters244 views09:02

Data Science | Тесты

🤔 Почему считается, что случайный лес не переобучается?

Считается, что случайный лес не склонен к переобучению, потому что он усредняет предсказания большого количества деревьев решений, каждое из которых обучается на случайной подвыборке данных и случайных признаках. Этот процесс помогает уменьшить влияние отдельных переобученных деревьев на финальное предсказание. В результате модель становится более устойчивой к ошибкам и шуму в данных. Кроме того, случайный лес не сильно зависит от малозначимых признаков, так как случайные выборки уменьшают их влияние.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний

Please open Telegram to view this post

VIEW IN TELEGRAM

👍1

256 views16:01

Data Science | Тесты

🤔 Какой метод оценивает важность признаков в модели?

Anonymous Quiz