NEW
Font size
WorksheetsНормализация данных и работа с категориальными признаками
Total questions: 5
Worksheet time: 4mins
Почему при центрировании данных в универсальном методе нормализации предпочтительно использовать медиану, а не среднее арифметическое?
Потому что медиана всегда больше среднего арифметического
Потому что медиана устойчивее к выбросам и асимметрии распределения
Потому что медиана позволяет получить более широкий диапазон значений
Потому что медиана проще вычисляется для больших выборок
Какое преимущество даёт использование размаха значений (max–min) при масштабировании?
Он обеспечивает одинаковый итоговый диапазон
Он автоматически корректирует асимметрию распределения
Он позволяет сохранить оригинальное распределение данных без изменений
Он является оптимальным для категориальных данных
При использовании стандартизации (Z-преобразования) почему признаки с различными распределениями могут оказывать неравное влияние на модель?
Потому что стандартное отклонение одинаково для всех распределений
Потому что стандартизация не гарантирует одинаковый итоговый диапазон для разных признаков
Потому что этот метод автоматически устраняет все различия между признаками
Потому что метод стандартизации применяется только к симметричным распределениям
Какую основную задачу решает метод One-Hot Encoding при работе с категориальными данными в контексте машинного обучения?
Он уменьшает количество признаков для ускорения обучения
Он преобразует категориальные значения в числовой вид, не навязывая искусственный порядок
Он нормализует числовые данные для устранения влияния выбросов
Он автоматически группирует схожие категории в один признак
Какую роль играет число medcouple (MC) в скорректированном интервале для определения выбросов?
Оно служит для уменьшения влияния медианы на определение границ выбросов
Оно количественно оценивает степень асимметрии, что позволяет корректировать границы выбросов
Оно заменяет стандартное отклонение при масштабировании данных
Оно используется для преобразования категориальных данных в числовые значения
