NEW
Font size
WorksheetsML Lecture 8 Quiz
Total questions: 11
Worksheet time: 6mins
Random Forest-ի մեջ յուրաքանչյուր ծառը ուսուցանվում է․․․
Հատկանիշների ենթաբազմության և Բոլոր տվյալների
վրա
Տվյալների Ենթաբազմության և Բոլոր Հատկանիշների վրա
Ամբողջ տվյալների բազմության վրա
Տվյալների և Հատկանիշների Ենթաբազմության վրա
Ճի՞շտ է արդյոք հետևյալ պնդումը․
«Մեկ ծառով Random Forest-ը ավելի լավ է քան Decision Tree֊ն»
ԱՅՈ
ՈՉ
Bagging-ի ընթացքում, bootstrapping-ը կատարվում է, որպեսզի․․․
Ստանանք ավելի շատ տվյալներ
Մոդելները լինեն հնարավորինս իրարից կախյալ
Մոդելները լինեն հնարավորինս իրարից անկախ
Խնայենք համակարգչի ռեսուրսները
Ճի՞շտ է արդյոք հետևյալ պնդումը․
«OOB Score-ը հաշվվում է Validation Set֊ի վրա»
ԱՅՈ
ՈՉ
Նշված մեթոդներից որը՞ կարելի է օգտագործել bagging-ի մեջ մոդելների օպտիմալ քանակը գտնելու համար
Validation Set-ի վրա Error Rate-ը
OOB Score-ի կայունացումը (Stabilization)
Cross Validation-ով ստացվող score-ը
Նշվածներից բոլորը
Bagging-ը օգտակար կլինի այն դեպքում, եթե տրված ալգորիթմը․․․
Կայուն է
Անկայուն է
Ավելի վատն է քան Պատահական Կանխատեսումը (Random Guessing)
Նշվածներից ոչ մեկը
Ճի՞շտ է արդյոք հետևյալ պնդումը․
«Մեծամասնության ընտրության տեսությունը գործնականում չի աշխատում, քանի որ ալգորիթմների սխալմունքները անկախ չեն»
ԱՅՈ
ՈՉ
Ի՞նչ առավելություն ունի Stacking-ը
Աշխատում է ավելի արագ
Հեշտ է կիրառվում
Ավելի լավ է կանխատեսում
Նշվածներից բոլորը
Ո՞րն է AdaBoost ալգորիթմի հիմնական նպատակը
Նվազեցնել օգտագործվող Ծառերի քանակը
Փոխել կանխատեսման շեմը յուրաքանչյուր տվյալի համար
Թույլ մոդելների համադրությամբ ստանալ լավ մոդել
Բոլորն էլ ճիշտ են
AdaBoost-ը Ռեգռեսսիայի համար օգտագործելիս, ինչի՞ հիման վրա են փոխվում տվյալների կշիռները
Մեծանում են իրականին մոտ կանխատեսումների կշիռները
Բոլոր տվյալները յուրաքանչյուր քայլին ստանում են նույն կշիռը
Կշիռները հաշվի չեն առնվում վերջնական մոդելի մեջ
Մեծանում են իրականից հեռու կանխատեսումների կշիռները
Ո՞րն է Gradient Boosting֊ի տարբերությունը AdaBoost-ից
Gradient Boosting-ը օգտագործում է միայն գծային մոդելներ
Gradient Boosting-ը չի տալիս կշիռներ տվյալներին
Gradient Boosting-ը հաշվի չի առնում մոդելի կշիռները կանխատեսման ժամանակ
Gradient Boosting-ը մոդելներին տալիս է պատահական կշիռներ
