Data Science | Тесты

Gradient-boosted trees — это ансамблевый метод машинного обучения, который строит серию деревьев решений, каждое из которых исправляет ошибки предыдущих. Процесс обучения происходит путем последовательного добавления деревьев, каждое из которых минимизирует ошибку путем градиентного спуска, усиливая правильные прогнозы. Gradient boosting широко используется для задач регрессии и классификации, обеспечивая высокую точность и гибкость в работе с разными типами данных.

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

Please open Telegram to view this post

VIEW IN TELEGRAM

486 views16:01

Data Science | Тесты

🤔 Какой метод машинного обучения используется для обнаружения выбросов путем построения гиперплоскостей, отделяющих аномалии от нормальных данных?

Anonymous Quiz

Метод ближайших соседей

146 voters488 views20:01

Data Science | Тесты

🤔 Какой метод используется для определения сходства между документами на основе их смысловых представлений?

Anonymous Quiz

Decision Tree

Логистическая регрессия

127 voters490 views09:02

Data Science | Тесты

🤔 Какими должны быть распределения для t-теста?

Для стандартного t-теста данные должны быть:
1. Нормально распределёнными.
2. Иметь одинаковую дисперсию между группами.
Если эти условия не выполняются, используют его модификации или непараметрические тесты.

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

Please open Telegram to view this post

VIEW IN TELEGRAM

👍1

482 views16:01

Data Science | Тесты

🤔 Какой метод часто применяют для обнаружения аномалий в данных?

Anonymous Quiz

Логистическая регрессия

153 voters484 views20:01

Data Science | Тесты

🤔 Какой метод уменьшает дисперсию, изменяя веса слабых моделей на основе их ошибок?

Anonymous Quiz

143 voters452 views09:02

Data Science | Тесты

🤔 Как работает MSE?

MSE (Mean Squared Error) — это метрика, используемая для оценки качества модели регрессии, которая измеряет среднее квадратичное отклонение предсказанных значений от фактических. Она рассчитывается как среднее арифметическое квадратов разности между предсказанными и реальными значениями: `MSE = (1/n) * Σ(actual - predicted)^2`, где n — количество наблюдений. MSE чувствительна к большим ошибкам, так как квадраты отклонений увеличивают вес крупных ошибок. Цель модели — минимизировать MSE, чтобы предсказания были как можно ближе к фактическим значениям.

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

Please open Telegram to view this post

VIEW IN TELEGRAM

512 views16:01

Data Science | Тесты

🤔 Какой метод уменьшает дисперсию в модели линейной регрессии?

Anonymous Quiz

💊5

167 voters484 views20:01

Data Science | Тесты

🤔 Какой метод оценки модели используется для борьбы с переобучением?

Anonymous Quiz

Stochastic Gradient Descent

144 voters426 views09:02

Data Science | Тесты

🤔

Как представить модель LTV для бизнеса?

Модель LTV для бизнеса следует представить как инструмент для прогнозирования доходов от клиентов на протяжении их жизненного цикла, что позволяет планировать стратегии удержания, маркетинговые усилия и бюджеты. Важно объяснить, как модель использует данные для определения ключевых показателей, таких как частота покупок, средний чек и продолжительность взаимодействия. Модель должна быть легко интерпретируемой для принятия управленческих решений. Основное внимание должно быть уделено практичес

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

Please open Telegram to view this post

VIEW IN TELEGRAM

470 views16:01

Data Science | Тесты

🤔 Какой метод машинного обучения используется для обработки категориальных признаков?

Anonymous Quiz

155 voters479 views20:01

Data Science | Тесты

🤔 Какой метод выделяет важные признаки для случайного леса?

Anonymous Quiz

57%

Recursive Feature Elimination

117 voters442 views09:02

Data Science | Тесты

🤔 В чем разница между метрикой качества и функцией потери при обучении?

Метрика качества оценивает, насколько хорошо модель работает, сравнивая её предсказания с реальными данными (например, Accuracy, Precision, ROC AUC). Функция потери измеряет ошибку модели и используется во время обучения для минимизации этой ошибки (например, MSE, Cross-Entropy). Метрика качества часто применяется на тестовых данных, а функция потери — на этапе оптимизации модели

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

Please open Telegram to view this post

VIEW IN TELEGRAM

461 views16:01

Data Science | Тесты

🤔 Какой алгоритм лучше всего подходит для предсказания категориальных переменных?

Anonymous Quiz

Линейная регрессия

59%

Логистическая регрессия

150 voters446 views20:01

Data Science | Тесты

🤔 Какой метод уменьшает смещение и дисперсию, используя наборы данных разного масштаба?

Anonymous Quiz

💊2

117 voters420 views09:02

Data Science | Тесты

🤔 В чем преимущество медианы над средним?

Медиана менее чувствительна к выбросам, чем среднее (mean):
- Среднее (Mean) – учитывает все значения, поэтому искажается выбросами.
- Медиана (Median) – просто находит центральное значение в упорядоченном ряду, игнорируя крайние выбросы.
Медиана особенно полезна при распределении доходов, цен, длительностей и других данных с выбросами.

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

Please open Telegram to view this post

VIEW IN TELEGRAM

👍2

486 views16:01

Data Science | Тесты

🤔 Какой метод уменьшает размерность, сохраняя расстояния?

Anonymous Quiz