Machine Learning / AI

Πώς ερμηνεύουμε τους συντελεστές στην γραμμική παλινδρόμηση;

Μπορείτε να εξηγήσετε πώς υπολογίζεται ακριβώς το κριτήριο Gini και πώς επηρεάζει την επιλογή διαχωρισμού σε ένα δέντρο αποφάσεων;

Ποια είναι οι διαφορές μεταξύ XGBoost, LightGBM και CatBoost;

Πώς λειτουργούν τα δέντρα αποφάσεων και τι συμβαίνει όταν δεν υπάρχουν περιορισμοί;

Τι είναι η λογιστική παλινδρόμηση και πώς λειτουργεί;

Εξηγήστε την αρχή της κανονικοποίησης στα γραμμικά μοντέλα και την επίδρασή της στην υπερεκπαίδευση.

Τι συμβαίνει όταν το ποσοστό μάθησης είναι πολύ μεγάλο ή πολύ μικρό στην καθοδική κατηφόρα;

Εξηγήστε πώς λειτουργεί η μέθοδος ενίσχυσης με γραμμική κλίση σε δέντρα αποφάσεων.

Πώς αντιμετωπίζει ένα γραμμικό μοντέλο την πολυσυσχέτιση των χαρακτηριστικών;

Πώς επιλέγονται τα χαρακτηριστικά σε ένα μοντέλο; Υπάρχει boosting και 5000 χαρακτηριστικά.

Περιγράψτε τη διαδικασία επιλογής χαρακτηριστικών με τη βοήθεια δέντρων αποφάσεων.

Τι είναι η γραμμική παλινδρόμηση και πώς εκπαιδεύεται;

Ποια μετρική είναι κατάλληλη για την αξιολόγηση μοντέλων με ανισοβαρείς κλάσεις;

Μπορείτε να εξηγήσετε πώς ακριβώς υπολογίζονται το TPR και το FPR σε κάθε κατώφλι;

Μπορείτε να εξηγήσετε λεπτομερέστερα πώς υπολογίζεται ακριβώς το αντι-γραδιντ και πώς χρησιμοποιείται για την κατασκευή του επόμενου δέντρου;

Μπορείτε να εξηγήσετε λεπτομερέστερα πώς υπολογίζεται η αριθμητική τιμή της σημασίας των χαρακτηριστικών σε ένα δέντρο αποφάσεων;