Machine Learning / AI

Kuo skiriasi L1 ir L2 reguliacija linijiniuose modeliuose?

Kokia yra tiesinės regresijos analitinio sprendimo sudėtingumas ir kada jis yra nestabilus?

Kas yra PCA (pagrindinių komponentų metodas)?

Paaiškinkite sprendimų medžio ir atsitiktinio miško skirtumą.

Kas nutinka, jei klasifikacijos slenkstis yra per žemas?

Kas yra Gini kriterijus ir kaip jis naudojamas sprendimų medžių kūrime?

Nesubalansuotoje imtyje modelio recall yra 100% ir precision 1%. Kas įvyko?

Ar galite paaiškinti, kaip tiksliai apskaičiuojamas F1-įvertinys naudojant precision ir recall?

Aprašykite, kaip veikia paramos vektorių mašina (SVM) ir jos ryšį su linijiniais modeliais.

Kokia nuostolių funkcija naudojama tiesinės regresijos?

Kaip medžio gylis veikia modelio kokybę ir jo bendrosios gebėjimo?

Kas yra ROC kreivė ir kaip ji naudojama klasifikatorių įvertinimui?

Kaip pagerinti linijinio modelio našumą dirbant su kategorinėmis savybėmis?

Kodėl svarbu masteliuoti požymius ir kokios mastelio nustatymo metodai egzistuoja?

Ar galite išsamiau paaiškinti, kas yra precision ir recall ir kaip jie susiję su F1-įvertinimu?

Kas yra recall ir precision?

Kaip F1-score rodiklis padeda užduotyse su nesubalansuotomis klasėmis?

Ar galite paaiškinti, kaip tiksliai skaičiuojamas Gini kriterijus ir kaip jis veikia sprendimų medžio pasirinkimą?

Kodėl modelyje su ROC-AUC 0,2 galima pasiekti ROC-AUC 0,8?

Kuo skiriasi XGBoost, LightGBM ir CatBoost?