Machine Learning / AI

Mi a különbség az L1 és L2 regularizáció között lineáris modellekben?

Milyen az analitikus megoldás összetettsége lineáris regressziónál, és mikor instabil?

Mi az a PCA (főkomponens módszer)?

Magyarázza el a döntési fa és a véletlenszerű erdő közötti különbséget.

Egy kiegyensúlyozatlan mintában a modell recall értéke 100% és a precision 1%. Mi történt?

Mi a Gini-érték és hogyan használják döntési fák építésénél?

Mi történik, ha a osztályozási küszöb túl alacsony?

El tudná magyarázni, hogyan számítják pontosan az F1-pontszámot a precízió és a recall segítségével?

Írja le, hogyan működik a támogatott vektormódszer (SVM), és hogyan kapcsolódik a lineáris modellekhez.

Milyen veszteségfüggvényt használnak lineáris regresszióban?

Hogyan befolyásolja a fa mélysége a modell minőségét és általánosító képességét?

Tudná részletesebben elmagyarázni, hogy mi az a precision és recall, és hogyan kapcsolódnak az F1-score-hoz?

Mi az a ROC-görbe és hogyan használják a osztályozók értékelésére?

Hogyan lehet javítani egy lineáris modell teljesítményét kategóriás jellemzők esetén?

Miért fontos a jellemzők skálázása, és milyen skálázási módszerek léteznek?

Hogyan segít az F1-score metrika az egyensúly nélküli osztályokkal végzett feladatokban?

Mi az a recall és a precision?

Miért lehet 0,8-as ROC-AUC-t elérni egy 0,2-es ROC-AUC-vel rendelkező modellnél?

Meg tudná magyarázni, hogyan számítják pontosan a Gini-criteriumot, és hogyan befolyásolja ez a döntési fa felosztásának kiválasztását?

Mi alakítja a modell sebességét osztálycímkévé?