Machine Learning / AI

Oblicz ROC-AUC dla modelu stałego i losowego przy stosunku klas 9 do 1.

Czym różnią się XGBoost, LightGBM i CatBoost?

Jak interpretować współczynniki w regresji liniowej?

Jak działają drzewa decyzyjne i co się dzieje przy braku ograniczeń?

Co się dzieje, gdy współczynnik uczenia jest zbyt duży lub zbyt mały w spadku gradientu?

Czym jest regresja logistyczna i jak działa?

Wyjaśnij, jak działa metoda gradient boosting na drzewach decyzyjnych.

Wyjaśnij zasadę regularizacji w modelach liniowych i jej wpływ na przeuczenie.

Jak model liniowy radzi sobie z wielokolinearnością cech?

Jak wybierać cechy w modelu? Jest boosting i 5000 cech.

Opisz proces wyboru cech za pomocą drzew decyzyjnych.

Czym jest regresja liniowa i jak się ją trenuje?

Czy możesz wyjaśnić, jak dokładnie oblicza się TPR i FPR na każdym progu?

Jakie metryki są odpowiednie do oceny modeli z niezbalansowanymi klasami?

Czy możesz dokładniej wyjaśnić, jak dokładnie oblicza się antygradient i jak jest on używany do budowy kolejnego drzewa?

Czy możesz bardziej szczegółowo wyjaśnić, jak dokładnie obliczana jest wartość numeryczna ważności cech w drzewie decyzyjnym?