Machine Learning / AI

Как да интерпретираме коефициентите в линейната регресия?

Какво е линейна регресия и как се обучава?

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

Какви са разликите между XGBoost, LightGBM и CatBoost?

Как работят дърветата за вземане на решения и какво се случва при липса на ограничения?

Какво е логистична регресия и как работи?

Какво се случва при прекалено голяма или прекалено малка скорост на обучение при градиентен спуск?

Обяснете как работи методът на градиентното буустинг на дървета за решения.

Обяснете принципа на регуляризация в линейните модели и нейното влияние върху пренасищането.

Как се справя линейният модел с мултиколинеарността на признаците?

Как да изберем признаци в модел? Има буустинг и 5000 признака.

Можете ли по-подробно да обясните как точно се изчислява антиградиентът и как се използва за изграждане на следващото дърво?

Опишете процеса на избор на характеристики с помощта на дървета за вземане на решения.

Кои метрики са подходящи за оценка на модели с небалансирани класове?

Можете ли да обясните как точно се изчисляват TPR и FPR на всяка прагове?

Можете ли по-подробно да обясните как точно се изчислява числовата стойност на важността на признаците в дървото на решения?