Data Science | Тесты

🤔 Какой метод уменьшения размерности учитывает только межклассовую дисперсию?

Anonymous Quiz

25%

92 voters384 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

394 views16:01

Data Science | Тесты

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

Anonymous Quiz

💊15

114 voters388 views20:01

Data Science | Тесты

🤔 Какой метод часто применяют для оценки моделей регрессии?

Anonymous Quiz

Логистическая регрессия

💊2

123 voters372 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

431 views16:01

Data Science | Тесты

🤔 Какой метод оценивает важность признаков в модели?

Anonymous Quiz

132 voters408 views20:01

Data Science | Тесты

🤔 Какой алгоритм часто используют для сокращения размерности данных?

Anonymous Quiz

92%

PCA (Principal Component Analysis)

Linear Regression

K-Nearest Neighbors

Decision Trees

112 voters386 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

424 views16:01

Data Science | Тесты

🤔 Какой метод машинного обучения используется для анализа временных рядов?

Anonymous Quiz

🤔2

130 voters397 views20:01

Data Science | Тесты

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

Anonymous Quiz

122 voters395 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

392 views16:01

Data Science | Тесты

🤔 Какой метод уменьшения размерности использует разложения матриц?

Anonymous Quiz

114 voters370 views20:01

Data Science | Тесты

🤔 Какая метрика лучше всего подходит для оценки качества модели классификации с несбалансированными классами?

Anonymous Quiz

123 voters362 views09:02

Data Science | Тесты

🤔 В чем различия между методами apply и applymap?

В pandas `apply` используется для применения функции вдоль оси DataFrame (по строкам или столбцам), в то время как `applymap` применяется к каждому элементу DataFrame индивидуально.

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

Please open Telegram to view this post

VIEW IN TELEGRAM

🔥1

349 views16:01

Data Science | Тесты

🤔 Какой метод оптимизации используется для обучения нейронных сетей?

Anonymous Quiz

Метод опорных векторов

K-means

124 voters337 views20:01

Data Science | Тесты

🤔 Какой метод уменьшает смещение, добавляя ансамбль слабых моделей?

Anonymous Quiz

👍2

115 voters313 views09:02

Data Science | Тесты

🤔 Как оценивать эффективность работы рекомендательных моделей?

Используются метрики:
1. Precision@K и Recall@K для точности и полноты рекомендаций.
2. NDCG для оценки релевантности на основе позиций элементов.
3. Coverage — доля уникальных рекомендованных элементов.
4. Оценка на основе A/B-тестов или пользовательских метрик, таких как удержание.

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

Please open Telegram to view this post

VIEW IN TELEGRAM

310 views16:01

Data Science | Тесты

🤔 Какой метод уменьшения размерности использует разложения матриц?

Anonymous Quiz

💊10

112 voters297 views20:01

Data Science | Тесты

🤔 Какая функция в pandas используется для проверки пропусков?

Anonymous Quiz

134 voters292 views09:02

Data Science | Тесты

🤔 Какие магические методы в python знаешь?

Магические методы в Python — это специальные методы, которые начинаются и заканчиваются двойным подчеркиванием. Примеры включают `__init__` (конструктор класса), `__str__` (представление объекта в виде строки), `__len__` (возвращает длину объекта) и `__getitem__` (обращение к элементам по индексу). Также есть методы, такие как `__add__` для перегрузки операторов и `__call__`, позволяющий объекту вести себя как функция. Эти методы позволяют кастомизировать поведение объектов Python.

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

Please open Telegram to view this post

VIEW IN TELEGRAM

👍1

289 views16:01

About

Blog

Apps

Platform