Machine Learning / AI

Каква е разликата между L1 и L2 регуляризацията в линейните модели?

Каква е сложността на аналитичното решение на линейната регресия и кога е нестабилно?

Обяснете разликата между дърво за вземане на решения и случаен лес.

Какво е PCA (метод на главните компоненти)?

На дисбалансирана извадка моделът има recall 100% и precision 1%. Какво се случи?

Какво се случва, ако прагът на класификация е твърде нисък?

Какво е критерият на Джини и как се използва при построяването на дървета за вземане на решения?

Можете ли да обясните как точно се изчислява F1-score чрез прецизност и припомняне?

Опишете как работи методът на опорните вектори (SVM) и неговата връзка с линейните модели.

Коя функция за загуба се използва при линейната регресия?

Как влияе дълбочината на дървото върху качеството на модела и неговата способност за обобщаване?

Можете ли по-подробно да обясните какво е прецизност и recall и как те са свързани с F1-скора?

Защо е важно да мащабираме характеристиките и какви методи за мащабиране съществуват?

Какво е ROC крива и как се използва за оценка на класификатори?

Как да подобрим производителността на линейния модел при работа с категорийни признаци?

Какво са recall и precision?

Как помага метриката F1-score при задачи с неравномерно разпределени класове?

Какво превръща скоростта на модела в етикета на класа?

Можете ли да обясните как точно се изчислява критерият Гини и как той влияе върху избора на разделяне в дървото на решения?

Защо модел с ROC-AUC 0.2 може да постигне ROC-AUC 0.8?