Machine Learning / AI

Aký je rozdiel medzi L1 a L2 regularizáciou v lineárnych modeloch?

Aká je zložitosť analytického riešenia lineárnej regresie a kedy je nestabilné?

Vysvetlite rozdiel medzi rozhodovacím stromom a náhodným lesom.

Čo je PCA (metóda hlavných komponentov)?

Čo je Giniho kritérium a ako sa používa pri tvorbe rozhodovacích stromov?

Čo sa stane, ak je prah klasifikácie príliš nízky?

Na nevyváženom vzorku má model recall 100% a presnosť 1%. Čo sa stalo?

Môžete vysvetliť, ako sa presne počíta F1-score pomocou presnosti a recallu?

Popíšte, ako funguje metóda podporných vektorov (SVM) a jej vzťah s lineárnymi modelmi.

Aká funkcia straty sa používa v lineárnej regresii?

Ako ovplyvňuje hĺbka stromu kvalitu modelu a jeho schopnosť generalizácie?

Čo je ROC krivka a ako sa používa na hodnotenie klasifikátorov?

Ako zlepšiť výkon lineárneho modelu pri práci s kategorizovanými znakmi?

Prečo je dôležité škálovať znaky a aké metódy škálovania existujú?

Môžete podrobnejšie vysvetliť, čo je precision a recall a ako súvisia s F1-skóre?

Môžete vysvetliť, ako sa presne počíta kritérium Gini a ako ovplyvňuje výber rozdelenia v rozhodovacom strome?

Aké sú rozdiely medzi XGBoost, LightGBM a CatBoost?

Ako pomáha metrika F1-score pri úlohách s nevyváženými triedami?

Čo sú recall a precision?

Prečo je možné s modelom s ROC-AUC 0,2 dosiahnuť ROC-AUC 0,8?