- 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
Anonymous Quiz
2%
Logistic Regression
15%
RNN
81%
ARIMA
2%
Naive Bayes
🤔2
Anonymous Quiz
9%
L1-регуляризация
19%
L2-регуляризация
52%
Обрезка деревьев
19%
Случайные леса
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
Anonymous Quiz
55%
PCA
19%
LDA
18%
NMF
8%
T-SNE
Anonymous Quiz
6%
Accuracy
4%
Precision
8%
Recall
81%
F1-score
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1
Anonymous Quiz
11%
Метод Ньютона
76%
Градиентный спуск
10%
Метод опорных векторов
2%
K-means
Anonymous Quiz
39%
Bagging
42%
Boosting
12%
Stacking
7%
Gradient Descent
👍2
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
Anonymous Quiz
55%
PCA
28%
PCA
8%
NMF
10%
T-SNE
💊10
Anonymous Quiz
86%
isna
9%
dropna
5%
fillna
0%
notna
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Anonymous Quiz
73%
Dropout
21%
Batch Normalization
5%
Gradient Clipping
2%
Momentum
💊5
Anonymous Quiz
32%
PCA
12%
LDA
26%
Isomap
31%
T-SNE
Высокая систематическая ошибка (bias) уменьшает сложность модели, но снижает точность, а высокая дисперсия (variance) приводит к переобучению. Баланс между ними важен для оптимальной работы модели.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3
Anonymous Quiz
72%
K-means
25%
DBSCAN
1%
Decision Tree
2%
Naive Bayes
Anonymous Quiz
7%
Decision Tree
8%
TF-IDF
1%
Автоэнкодеры
83%
User-Based Collaborative Filtering
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
Anonymous Quiz
38%
K-Fold Cross-Validation
32%
Leave-One-Out
17%
Bootstrapping
12%
Holdout Validation