wayground logo

Free Printable Worksheets

NEW

Font size

S
M
L
XL
Worksheets

Линейная регрессия Python

Total questions: 10

Worksheet time: 10mins

Name
Class
Date
1.

Что такое линейная регрессия в контексте машинного обучения?

a)

Метод классификации данных

b)

Процесс угадывания случайных чисел

c)

Модель для прогнозирования числовых значений

d)

Техника обработки изображений

2.

Какая библиотека Python используется для реализации моделей регрессии?

a)

TensorFlow

b)

Pandas

c)

scikit-learn

d)

Matplotlib

3.

Что представляет собой дерево решений?

a)

Структуру данных, используемую для сортировки

b)

Графовую модель для решения задач классификации и регрессии

c)

Тип нейронной сети

d)

Алгоритм для текстовой обработки

4.

Какой метод мы использовали для избежания переобучения в деревьях решений?

a)

Увеличение размера тестовых данных

b)

Ограничение максимальной глубины дерева

c)

Использование только линейных моделей

d)

Уменьшение количества признаков

5.

Что такое 'Random Forest' в машинном обучении?

a)

Метод оптимизации

b)

Алгоритм кластеризации

c)

Ансамбль деревьев решений

d)

Техника визуализации данных

6.

Какой параметр в 'DecisionTreeRegressor' определяет, сколько примеров должно быть в листе?

a)

max_depth

b)

min_samples_split

c)

min_samples_leaf

d)

max_features

7.

Какой метрикой обычно оценивают модели регрессии?

a)

Точность

b)

Полнота

c)

Средняя абсолютная ошибка (MAE)

d)

F1-мера

8.

Какая функция из scikit-learn используется для разделения данных на тренировочные и тестовые наборы?

a)

train_test_split

b)

fit_transform

c)

predict

d)

transform

9.

Что делает параметр 'max_depth' в 'DecisionTreeRegressor'?

a)

Определяет количество признаков для разделения

b)

Устанавливает максимальное количество деревьев в лесу

c)

Ограничивает максимальную глубину дерева

d)

Выбирает оптимальное количество образцов для разделения

10.

Какой тип регрессии используется для предсказания непрерывных значений?

a)

Деревья решений

b)

Линейная регрессия

c)

Логистическая регрессия

d)

Полиномиальная регрессия