Machine Learning / AI

Jaký je rozdíl mezi L1 a L2 regularizací v lineárních modelech?

Jaká je složitost analytického řešení lineární regrese a kdy je nestabilní?

Co je PCA (metoda hlavních komponent)?

Vysvětlete rozdíl mezi rozhodovacím stromem a náhodným lesem.

Co se stane, pokud je práh klasifikace příliš nízký?

Co je to Giniho kritérium a jak se používá při tvorbě rozhodovacích stromů?

Na nevyváženém vzorku má model recall 100% a přesnost 1%. Co se stalo?

Můžete vysvětlit, jak přesně se počítá F1-score pomocí precision a recall?

Popište, jak funguje metoda podpůrných vektorů (SVM) a její vztah s lineárními modely.

Jaká funkce ztráty se používá v lineární regresi?

Jak ovlivňuje hloubka stromu kvalitu modelu a jeho schopnost generalizace?

Co je to ROC křivka a jak se používá k hodnocení klasifikátorů?

Jak zlepšit výkon lineárního modelu při práci s kategorickými znaky?

Proč je škálovat vlastnosti a jaké metody škálování existují?

Můžete podrobněji vysvětlit, co je precision a recall a jak souvisejí s F1-skóre?

Co jsou recall a precision?

Jak pomáhá metrika F1-score v úlohách s nevyváženými třídami?

Můžete vysvětlit, jak přesně se počítá kritérium Gini a jak ovlivňuje volbu rozdělení v rozhodovacím stromu?

V čem se liší XGBoost, LightGBM a CatBoost?

Proč lze u modelu s ROC-AUC 0,2 získat ROC-AUC 0,8?