Data Science | Тесты

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

412 views16:01

Data Science | Тесты

🤔 Какие стратегии улучшают обработку больших данных?

Anonymous Quiz

42%

Масштабирование горизонтальное

40%

Оптимизация запросов

Денормализация баз данных

10%

Использование NoSQL баз

💊2

108 voters397 views20:01

Data Science | Тесты

🤔 Какой алгоритм часто используется для прогнозирования временных рядов?

Anonymous Quiz

122 voters366 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

382 views16:01

Data Science | Тесты

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

Anonymous Quiz

107 voters387 views20:01

Data Science | Тесты

🤔 Какой метод уменьшения размерности учитывает только межклассовую дисперсию?

Anonymous Quiz

86 voters356 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

364 views16:01

Data Science | Тесты

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

Anonymous Quiz

💊14

106 voters350 views20:01

Data Science | Тесты

🤔 Какой метод часто применяют для оценки моделей регрессии?

Anonymous Quiz

Логистическая регрессия

💊2

113 voters330 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

382 views16:01

Data Science | Тесты

🤔 Какой метод оценивает важность признаков в модели?

Anonymous Quiz

119 voters345 views20:01

Data Science | Тесты

🤔 Какой алгоритм часто используют для сокращения размерности данных?

Anonymous Quiz

94%

PCA (Principal Component Analysis)

Linear Regression

K-Nearest Neighbors

Decision Trees

99 voters314 views09:02

Data Science | Тесты

🤔 Виды метрик машинного обучения.

1. Для классификации:
- Accuracy: доля верных предсказаний.
- Precision: точность предсказаний класса.
- Recall: полнота предсказаний класса.
- F1-score: сбалансированная метрика точности и полноты.
- ROC-AUC: качество модели при разных порогах.
2. Для регрессии:
- MSE: среднеквадратичная ошибка.
- MAE: средняя абсолютная ошибка.
- R²: объясненная доля дисперсии.
3. Для кластеризации:
- Silhouette Score: качество разделения кластеров.
- Dunn Index: компактность и разделенность кластеров.

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

Please open Telegram to view this post

VIEW IN TELEGRAM

👍2

314 views16:01

Data Science | Тесты

🤔 Какой метод машинного обучения используется для анализа временных рядов?

Anonymous Quiz

🤔1

112 voters298 views20:01

Data Science | Тесты

🤔 Какой метод уменьшает переобучение, добавляя регуляризацию в деревья решений?

Anonymous Quiz

107 voters284 views09:02

Data Science | Тесты

🤔 Какие знаешь рекомендательные модели?

Модели: коллаборативная фильтрация (на основе пользователей или элементов), контентная фильтрация, гибридные подходы и модели с использованием глубокого обучения (например, нейронные сетевые рекомендатели).

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

Please open Telegram to view this post

VIEW IN TELEGRAM

282 views16:01

Data Science | Тесты

🤔 Какой метод уменьшения размерности использует разложения матриц?

Anonymous Quiz