Ансамбли

Ансамбли

University

5 Qs

quiz-placeholder

Similar activities

Основы ГИС

Основы ГИС

University

10 Qs

Тайная передача информации 13 неделя

Тайная передача информации 13 неделя

University

10 Qs

Selenium

Selenium

University

10 Qs

Викторина по геоанализу - Основные понятия

Викторина по геоанализу - Основные понятия

University

7 Qs

Модель

Модель

University

10 Qs

Экомониторинг Лекция 2

Экомониторинг Лекция 2

University

9 Qs

Subjective dataset choice

Subjective dataset choice

University

8 Qs

spring 2024

spring 2024

University

5 Qs

Ансамбли

Ансамбли

Assessment

Quiz

Science

University

Easy

Created by

Пётр Бочкарёв

Used 1+ times

FREE Resource

5 questions

Show all answers

1.

MULTIPLE CHOICE QUESTION

45 sec • 1 pt

Бутстреппинг

Метод оценки распределения статистики выборки путем случайной выборки с возвращением

Способ генерации новых образцов данных путем их интерполяции

Процесс выбора признаков для модели машинного обучения

Процесс объединения нескольких моделей для улучшения точности предсказаний

2.

MULTIPLE CHOICE QUESTION

45 sec • 1 pt

Основной принцип алгоритма беггинга

Использование случайной выборки для создания новых признаков на основе существующих

Создание одной модели с использованием всех доступных признаков без отбора

Объединение предсказаний нескольких моделей, обученных на различных поднаборах данных

Обучение модели только на наиболее важных признаках для повышения производительности

3.

MULTIPLE CHOICE QUESTION

45 sec • 1 pt

Что характеризует метод бустинга?

Простое усреднение предсказаний нескольких независимых моделей

Обучение модели, которая минимизирует абсолютную ошибку

Последовательное обучение моделей, где каждая следующая модель фокусируется на ошибках предыдущих

Случайное разделение данных на большое количество независимых подвыборок

4.

MULTIPLE CHOICE QUESTION

45 sec • 1 pt

Основной принцип для метода стекинга

Обучение одной модели на случайно выбранных поднаборах данных

Применение метода градиентного спуска для оптимизации одной модели

Объединение предсказаний нескольких моделей с использованием мета-модели для улучшения точности

Использование только одной модели для предсказания на всех данных

5.

MULTIPLE CHOICE QUESTION

45 sec • 1 pt

Какой из следующих параметров является ключевым для настройки в алгоритме градиентного бустинга?

Параметр регуляризации L1

Максимальное количество итераций для обучения каждой модели (max_iterations)

Размер обучающей выборки (ложный ответ)

Количество деревьев в ансамбле