Anonymous Quiz
38%
Регуляризация L1
15%
Градиентный спуск
34%
Бустинг
13%
Кросс-валидация
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
Anonymous Quiz
14%
Градиентный спуск
36%
Стохастический градиентный спуск
23%
RMSProp
27%
Адам
💊2
Anonymous Quiz
15%
K-means
57%
DBSCAN
12%
Hierarchical Clustering
16%
Gaussian Mixture Models
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1
Anonymous Quiz
3%
Метод кластеризации
7%
Метод уменьшения размерности
83%
Ансамблевый метод обучения
6%
Способ нормализации данных
Anonymous Quiz
38%
PCA
18%
LDA
29%
Автоэнкодеры
16%
T-SNE
Это SQL-функции, выполняющиеся по окну строк, но не сворачивающие их в одно значение.
- Используются с OVER().
- Примеры: ROW_NUMBER(), RANK(), LEAD(), LAG(), SUM() OVER(), AVG() OVER().
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Anonymous Quiz
14%
Dropout
73%
L2-регуляризация
6%
Batch Normalization
7%
ReLU
Anonymous Quiz
79%
SMOTE (Synthetic Minority Over-sampling Technique)
9%
Регрессия Лассо
9%
K-means кластеризация
3%
Градиентный бустинг
🔥1
Это подход, применяемый в инженерных решениях для системной оптимизации процессов. Он связан с выбором оптимальных стратегий проектирования, особенно в контексте архитектуры программных систем или машинного обучения. В ML используется для разработки масштабируемых и эффективных решений.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5
Anonymous Quiz
14%
Decision Tree
4%
Логистическая регрессия
71%
Bootstrap
11%
TF-IDF
💊2
Anonymous Quiz
6%
L1
6%
L2
78%
L1 и L2
10%
L1 и Dropout
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2
Anonymous Quiz
88%
F1-score
2%
Precision
3%
Recall
7%
Accuracy
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Anonymous Quiz
13%
Random Forest
13%
AdaBoost
38%
Gradient Boosting
37%
Bagging
Anonymous Quiz
49%
Факторный анализ
8%
K-means
28%
PCA
16%
SVM
2. Случайность в выборе признаков: на каждом узле дерева выбирается случайное подмножество признаков для поиска лучшего разбиения.
Эти случайности способствуют снижению переобучения и повышению обобщающей способности модели.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1