Machine Learning

Które 3 cechy są Twoim zdaniem najbardziej przewidywalne w przypadku ceny samochodu?

• Kolor, wysokość, marka_model.

• Rozmiar opon, rozmiar_koła, rok.

• Kilometry, skrzynia biegów, marka_model.

• Marka_modelu, rok, kilometry

Chcesz dowiedzieć się, jakiego rodzaju użytkownicy odwiedzają Twoją witrynę, czy możesz wykorzystać naukę nadzorowaną, czy nie?

• Nadzorowane uczenie się, bo próbuję przewidzieć, do której klasy należy użytkownik.

• Nauka nienadzorowana.

Answer explanation

Chcemy, aby model grupował grupy powiązanych klientów, dlatego używamy uczenia nienadzorowanego. Po utworzeniu modelu w klastrach użytkowników utworzyliśmy własne nazwy dla poszczególnych klastrów, np. „poszukiwacze rabatów”, „poszukiwacze ofert” i „poświęcone lojalności”.

Jeśli prognozy modelu są odległe, co możesz zrobić, aby je ulepszyć? Wybierz 2 odpowiedzi

• Spróbuj innego podejścia. Jeśli na przykład korzystasz z wersji nadzorowanej, spróbuj użyć podejścia nienadzorowanego.

• Naucz ponownie modelu, ale używaj tylko funkcji, które uważasz za najsilniejsze w prognozie dla etykiety.

• Nie można poprawić modelu, którego prognozy są odległe.

• Naucz ponownie modelu, używając większego i bardziej zróżnicowanego zbioru danych.

Czym jest „model” systemów uczących się?

• Model to sprzęt komputerowy.

• Model to związek matematyczny oparty na danych, które system ML wykorzystuje do prognozowania

• Model jest mniejszą reprezentacją tego, co analizujesz.

Który model użyjesz, aby wykorzystać model systemów uczących się do prognozowania zużycia energii w budynkach komercyjnych?

• Klasyfikacja

• Regresja

Answer explanation

Użycie energii jest mierzone w kilowatogodzinach (kWh), czyli w liczbach, więc chcesz użyć modelu regresji.

W przypadku nadzoru nadzorowanego zwykle używa się grupowania.

• W przypadku nadzoru nadzorowane są dane zawierające właściwą odpowiedź.

• W przypadku nienadzorowanego zbioru danych wiesz, jak dodawać etykiety do klastrów danych.

Answer explanation

W przypadku nadzoru nadzorowane są dane zawierające właściwą odpowiedź. Zadaniem modelu jest znalezienie połączeń w danych, które generują prawidłową odpowiedź. Dane bez nadzoru są przekazywane bez odpowiedzi. Jej zadaniem jest znajdowanie grup w danych.