wayground logo

Free Printable Worksheets

Font size

S
M
L
XL
Worksheets

ML_01

Total questions: 8

Worksheet time: 9mins

Name
Class
Date
1.

Jakie dane są potrzebne aby wyznaczyć score danego estymatora?

a)

X_train

b)

X_test, y_test

c)

X_test, y_train

d)

X_test

e)

X_train, y_train

2.

W jakim celu wykorzystuje się hold-out?

a)

Chcemy zmaksamilizować liczbę obserwacji do treningu

b)

Chcemy sprawdzić model na danych, których nie widział

c)

Chcemy wybrać najlepsze hyperparametry

d)

Chcemy uniknąć overfittingu

3.

Które z poniższych jest zadaniem dot. regresji ?

a)

Firma internetowa, która obserwuje swoich użytkowników i stara się przewidzieć czy kupi dany przedmiot.

b)

Nauczuciel, który chce przewidzieć ilu studentów zda egzamin.

c)

Stacja TV, która chce przwidzieć jaka będzie temperatura powietrza na zewnątrz.

d)

Lekarz, który na podstawie zdjęć chce przewidzieć, czy dana osoba ma chorobę nowotworową.

4.

Jakie dane są potrzebne aby wyznaczyć metrykę danego estymatora?

a)

y_test, y_pred

b)

y_test, X_test

c)

y_train, X_test

d)

y_test, y_train

e)

y_test, X_test

5.

Które zdanie jest prawdzie dot. KNeighborsClassifier?

a)

Im większa wartość k tym model jest model jest bardziej złożony

b)

Im większa wartość k tym model jest model jest prostszy

c)

Im mniejsza wartość k tym większa wariancja

d)

Im mnijesza wartość k tym model może być bardziej przyuczony (overfitting)

6.

Jak należy prawidłowo zaimportować metodę train_test_split ?

a)

from sklearn.metrics import train_test_split

b)

from sklearn.model_selection import train_test_split

c)

from sklearn.models import train_test_split

d)

from sklearn.accuracy import train_test_split

7.

W jaki sposób zainicjować metodę, która obliczy regresję liniową przy użyciu sklearn ?

a)

LinReg()

b)

LinearRegression

c)

LinearRegression()

d)

RegressionLinear()

8.

W jakim celu/celach stosowana jest regularyzacja?

a)

Poprawienie stratyfikacji (wyrównanie) poszczególnych klas

b)

Ograniczenie overfittingu

c)

Penalizacja (karanie) współczynników regresji

d)

Zmniejszenie wariancji modelu