Machine Learning / AI

Qual è la differenza tra regolarizzazione L1 e L2 nei modelli lineari?

Qual è la complessità della soluzione analitica della regressione lineare e quando è instabile?

Cos'è PCA (metodo delle componenti principali)?

Spiega la differenza tra un albero decisionale e una foresta casuale.

Cos'è il criterio di Gini e come viene utilizzato nella costruzione di alberi decisionali?

Cosa succede se la soglia di classificazione è troppo bassa?

In un campione sbilanciato, il recall del modello è del 100% e la precisione dell'1%. Cosa è successo?

Puoi spiegare come si calcola esattamente l'F1-score attraverso precision e recall?

Descrivi come funziona il metodo delle macchine a vettori di supporto (SVM) e la sua relazione con i modelli lineari.

Quale funzione di perdita viene utilizzata nella regressione lineare?

Cos'è la curva ROC e come viene utilizzata per valutare i classificatori?

Come influisce la profondità dell'albero sulla qualità del modello e sulla sua capacità di generalizzazione?

Come migliorare le prestazioni di un modello lineare quando si lavora con caratteristiche categoriche?

Perché scalare le caratteristiche e quali metodi di scalatura esistono?

Come aiuta la metrica F1-score nei compiti con classi sbilanciate?

Puoi spiegare come viene calcolato esattamente il criterio di Gini e come influisce sulla scelta della divisione in un albero decisionale?

Puoi spiegare più nel dettaglio cosa sono precision e recall e come sono collegati con il punteggio F1?

Quali sono le differenze tra XGBoost, LightGBM e CatBoost?

Cosa sono recall e precision?

Perché si può ottenere un ROC-AUC di 0,8 in un modello con ROC-AUC di 0,2?