Machine Learning / AI

Կարո՞ղ եք նշել, թե ինչպես են պահվում ճշգրտությունը, recall-ը և PR-AUC-ը ծանր դասերի անհավասարակշռության դեպքում։

Ի՞նչ մետրիկներ եք օգտագործել, որքան տվյալներ ունեիք և ինչպիսին էր դասերի բալանսը։

պատմեք ձեր մասին և այն գործերի մասին, որոնք կատարել եք։

Եթե միայն սահմանափակ թվով հաճախորդների հետ կարող եք հաղորդակցվել, ինչպես եք գնահատում այդպիսի սքորինգ մոդելը։

Դա դասակարգման կամ ժամանակային շարքի առաջադրանք էր: Ինչպես հաշվի առվեց ժամանակը ուսուցման և ստուգման ժամանակ?

Ինչ եք գիտեք ROC-AUC-ի մասին։

Ինչպե՞ս հաշվարկվում է ROC գծի հաշվարկը կրկնվող կերպով՝ ըստ բալերի դասակարգման։

պատմեք ձեր մասին և այն գործերի մասին, որոնք կատարել եք։

Ի՞նչ է ցույց տալիս PR-AUC-ը։

Դուք գիտե՞ք, թե ինչ է մի գնահատականային մոդել։

Կա՞ր ստուգաթերթիկ, որը օպերատորը պետք է հետևեր զանգի ժամանակ, թե ստուգումը կատարվեց առանց դրա։

պատմեք ձեր մասին և այն գործերի մասին, որոնք կատարել եք։

գտեք բոլոր հաճախորդներին հունվարին, ովքեր առնվազն մեկ վաճառք են ունեցել հաղորդակցությունից հետո 30 օրվա ընթացքում։

պատմեք ձեր մասին և այն գործերի մասին, որոնք կատարել եք։

Նպատակ ունեք և հաստատված հատկությունների խանութ, մոտ 5000 հատկություններով: Ինչպե՞ս կփորձեք դա այս առաջադրանքում։

գտեք բոլոր հաճախորդներին հունվարին, ովքեր առնվազն մեկ վաճառք են ունեցել հաղորդակցությունից հետո 30 օրվա ընթացքում։ վաճառքներ id հաճախորդ_համար գումար վաճառքի_թիվ [phone] հաղորդակցություններ id հաճախորդ_համար տեսակ հաղորդակցման_թիվ բաժանման_թիվ 1 1 փոստ [phone] զանգ [phone] զանգ [phone] էլեկտրոնային փոստ [phone] SMS [phone] #Կա ցուցակ, պետք է գրել ֆունկցիա, որը վերադարձնում է երկու ցուցակ, մեկը նորմալ արժեքներով, մյուսը՝ անոմալիաներով։ Հիմա ենթադրենք, որ անոմալիան այն արժեքն է, որը գերազանցում է միջինին data = [100, 200, 150, 5000, 1300, 120, 700, 2000, 200]

Արդյո՞ք 700 վաճառք մեկ միլիոն ընտրված հաճախորդների համար հարմար է հազվագյուտ փոխարկման առաջադրանքում։

Քանի՞ հատկություն եք վերցնելու հատկությունների խանութից և ինչպես եք ընտրելու դրանք, եթե բոլոր 5000 հատկությունները վավեր են և առանց արտահոսքի։