Anonymous Quiz
31%
Mean Absolute Error
19%
Root Mean Square Error
30%
Median Absolute Deviation
19%
R-Squared
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
Anonymous Quiz
79%
Lasso Regression
6%
Random Forest
9%
K-Means Clustering
6%
Principal Component Analysis
Anonymous Quiz
65%
Ridge Regression
10%
Gradient Descent
18%
Bootstrap
6%
Holdout Validation
👍1
Классические: SIFT, HOG. Современные архитектуры: YOLO, SSD, Faster R-CNN для детекции объектов, U-Net, DeepLab для сегментации.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
Anonymous Quiz
61%
Bagging
19%
Boosting
11%
Gradient Descent
10%
Cross-Validation
Anonymous Quiz
13%
Accuracy
6%
Precision
6%
Recall
75%
F1-Score
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
Anonymous Quiz
49%
Oversampling
7%
Undersampling
38%
SMOTE
7%
Class Weighing
❤1
Anonymous Quiz
58%
scale
24%
normalize
10%
transform
8%
fit_transform
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
Anonymous Quiz
78%
unique
8%
nunique
10%
value_counts
4%
drop_duplicates
Anonymous Quiz
43%
K-Fold Cross-Validation
35%
Leave-One-Out
18%
Bootstrapping
5%
Holdout Validation
1. Медиану: центральное значение данных.
2. Квартиля: нижний и верхний (25% и 75%).
3. "Усы": разброс данных за пределами квартилей.
4. Выбросы: значения, выходящие за пределы нормального диапазона.
Используется для анализа распределения и выявления аномалий.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2
Anonymous Quiz
13%
Ridge Regression
19%
Lasso Regression
61%
Elastic Net
8%
Dropout
Anonymous Quiz
32%
Random Forest
11%
K-Means
13%
Gradient Descent
45%
PCA
1. Сфокусируйтесь на бизнес-цели: Объясните, как метрика напрямую влияет на цели компании (например, рост прибыли, снижение ошибок).
2. Избегайте технических терминов: Переведите метрику в понятные термины, например, "точность модели" — это процент правильно принятых решений.
3. Приведите примеры: Покажите, как изменения метрики влияют на реальные сценарии (например, снижение ошибок классификации улучшает качество обслуживания).
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Anonymous Quiz
58%
Bagging
19%
Boosting
10%
Gradient Descent
13%
Cross-Validation
Anonymous Quiz
17%
PCA
61%
Isolation Forest
10%
K-Means Clustering
12%
SVM
- 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