Machine Learning / AI

Gadījumā, ja ir smaga klases nelīdzsvarotība, kā uzvedas precizitāte, recall un PR-AUC?

Kādas metriku izmantojāt, cik datu bija un kāds bija klašu līdzsvars?

Ja jūs varat sazināties tikai ar ierobežotu klientu skaitu, kā novērtētu tādu scoring modeli?

Pastāstiet mums par sevi un uzdevumiem, kurus esat veicis.

Vai tā bija klasifikācijas vai laika sērijas uzdevums? Kā tika ņemts vērā laiks apmācības un testēšanas laikā?

Kā tiek aprēķināta ROC līnija pēc objektu reitinga pēc rezultāta?

Ko zināt par ROC-AUC?

Pastāstiet mums par vienu no nesenākajiem klasifikācijas uzdevumiem un aprakstiet tā pipeline.

Vai zināt, kas ir scoring modelis?

Ko rāda PR-AUC?

Vai bija kontrolsaraksts, kuru operatoram bija jāievēro zvanā, vai pārbaude tika veikta bez tā?

Pastāstiet mums par klasterizācijas uzdevumu.

Atrodiet visus klientus janvārī, kuriem pēc komunikācijas bija vismaz viena pārdošana 30 dienu laikā.

Pastāstiet mums par NLP uzdevumu, ko jūs veicāt.

Jums ir mērķis un pārbaudīta funkciju glabātuve ar apmēram 5000 funkcijām. Kā jūs to pārbaudītu šajā uzdevumā?

Vai precizitāte 700 pārdošanu uz miljonu atlasīto klientu ir laba retas konversijas uzdevumā?

Atrodiet visus klientus janvārī, kuriem pēc komunikācijas bija vismaz viena pārdošana 30 dienu laikā. pārdošanas id klienta_id summa pārdošanas_datums [phone] komunikācijas id klienta_id tips komunikācijas_datums dalīšanas_datums 1 1 pasta [phone] zvans [phone] zvans [phone] e-pasts [phone] SMS [phone] #Ir saraksts, jums jāuzraksta funkcija, kas atgriež divus sarakstus, vienu ar normālām vērtībām, otru ar anomālijām. Pieņemam, ka anomālija ir vērtība, kas pārsniedz vidējo data = [100, 200, 150, 5000, 1300, 120, 700, 2000, 200]

Cik daudz funkciju ņemsiet no funkciju glabātuves un kā tās izvēlēsieties, ja visas 5000 funkcijas ir derīgas un bez noplūdēm?