Machine Learning / AI

Apskaičiuokite ROC-AUC nuolatiniam modeliui ir atsitiktiniam modeliui, kai klasių santykis yra 9:1.

Kuo skiriasi XGBoost, LightGBM ir CatBoost?

Kaip interpretuoti koeficientus tiesinės regresijos?

Kaip veikia sprendimų medžiai ir kas vyksta, jei nėra apribojimų?

Kas vyksta, kai mokymosi greitis yra per didelis arba per mažas gradientinio nusileidimo metu?

Kas yra logistinė regresija ir kaip ji veikia?

Paaiškinkite, kaip veikia gradientinio stiprinimo metodas sprendimų medžiuose.

Paaiškinkite reguliacijos principą linijiniuose modeliuose ir jos įtaką per mokymuisi.

Kaip linijinis modelis susidoroja su požymių daugiakolinearumu?

Kaip pasirinkti požymius modelyje? Yra boosting ir 5000 požymių.

Aprašykite požymių atrankos procesą naudojant sprendimų medžius.

Kas yra linijinė regresija ir kaip ji mokoma?

Kokios metrikos yra tinkamos įvertinti nesubalansuotų klasių modelius?

Ar galite paaiškinti, kaip tiksliai skaičiuojami TPR ir FPR kiekviename slenksčio lygyje?

Ar galite išsamiau paaiškinti, kaip tiksliai skaičiuojamas anti-gradient ir kaip jis naudojamas kuriant kitą medį?

Ar galite išsamiau paaiškinti, kaip tiksliai skaičiuojama požymių svarbos skaitinė reikšmė sprendimų medyje?