Сайт: https://easyoffer.ru/
Все каналы: t.me/+xGeAw6ckJ4liYzQy
Контакт для рекламы: @sendme_ads
Post #2423
323
Channel Public Channel
DA Data Science | Тесты
@easy_ds_tests
- Subscribers
- 2.63K
- Photos
- 30
- Videos
- 0
- Links
- 731
Showing posts older than #2424 · Back to latest
Older Posts 20 shown
Post #2422
304
🤔 Как работает Dropout?
Это техника регуляризации в нейросетях, уменьшающая переобучение:
1. На каждой итерации обучения случайно зануляется часть нейронов.
2. Это предотвращает чрезмерную зависимость от отдельных признаков.
3. Во время предсказания Dropout не применяется, а выходы масштабируются.
Dropout делает нейросеть более устойчивой и снижает вероятность переобучения.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Это техника регуляризации в нейросетях, уменьшающая переобучение:
1. На каждой итерации обучения случайно зануляется часть нейронов.
2. Это предотвращает чрезмерную зависимость от отдельных признаков.
3. Во время предсказания Dropout не применяется, а выходы масштабируются.
Dropout делает нейросеть более устойчивой и снижает вероятность переобучения.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Post #2421
291
Post #2420
291
🤔 Что хуже: иметь много ложных срабатываний или ложно-отрицательных срабатываний?
Это зависит от задачи. Ложно-отрицательные срабатывания хуже в задачах, где важно не пропустить критический случай (например, диагностика). Ложные срабатывания могут быть менее критичными, но увеличивают нагрузку на систему.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Это зависит от задачи. Ложно-отрицательные срабатывания хуже в задачах, где важно не пропустить критический случай (например, диагностика). Ложные срабатывания могут быть менее критичными, но увеличивают нагрузку на систему.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Post #2419
301
Post #2418
310
🤔 За что мэп штрафует больше: за перепрогноз или недопрогноз?
MAP (Mean Average Precision) больше штрафует за недопрогноз (упущенные релевантные элементы), так как метрика ориентирована на точность в верхней части ранжированного списка.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
MAP (Mean Average Precision) больше штрафует за недопрогноз (упущенные релевантные элементы), так как метрика ориентирована на точность в верхней части ранжированного списка.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Post #2417
304
Post #2416
297
🤔 Чему равно p-value для выброса?
Это вероятность получить значение настолько же экстремальное, как наблюдаемое, при условии, что оно принадлежит общему распределению.
Чем меньше p-value, тем выше вероятность, что точка — выброс.
Значение зависит от метода (Grubbs, Dixon, Z-score и др.). Обычно, если p < 0.05, точка может считаться выбросом.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Это вероятность получить значение настолько же экстремальное, как наблюдаемое, при условии, что оно принадлежит общему распределению.
Чем меньше p-value, тем выше вероятность, что точка — выброс.
Значение зависит от метода (Grubbs, Dixon, Z-score и др.). Обычно, если p < 0.05, точка может считаться выбросом.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Post #2415
283
Post #2414
280
Post #2413
261
🤔 Какие переменные (типы данных) можно использовать в качестве ключей?
Хэшируемые типы данных, такие как числа, строки, кортежи с неизменяемыми элементами. Это важно, если требуется быстро сопоставить значения в структуре данных.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Хэшируемые типы данных, такие как числа, строки, кортежи с неизменяемыми элементами. Это важно, если требуется быстро сопоставить значения в структуре данных.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Post #2412
272
Post #2411
274
Post #2410
277
🤔 Что такое precision?
Precision (точность) — это метрика классификации, которая показывает долю правильных положительных предсказаний среди всех предсказанных положительных классов. Она рассчитывается как отношение количества истинно положительных предсказаний к сумме истинно положительных и ложно положительных. Precision важен, когда цена ложноположительных результатов высока. Высокое значение precision указывает на то, что модель почти не ошибается при предсказании положительного класса.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Precision (точность) — это метрика классификации, которая показывает долю правильных положительных предсказаний среди всех предсказанных положительных классов. Она рассчитывается как отношение количества истинно положительных предсказаний к сумме истинно положительных и ложно положительных. Precision важен, когда цена ложноположительных результатов высока. Высокое значение precision указывает на то, что модель почти не ошибается при предсказании положительного класса.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Post #2409
266
Post #2408
282
🤔 В чем различия между методами apply и applymap?
В pandas `apply` используется для применения функции вдоль оси DataFrame (по строкам или столбцам), в то время как `applymap` применяется к каждому элементу DataFrame индивидуально.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
В pandas `apply` используется для применения функции вдоль оси DataFrame (по строкам или столбцам), в то время как `applymap` применяется к каждому элементу DataFrame индивидуально.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Post #2407
280
Post #2406
268
Post #2405
266
🤔 Как градиент бустинг регрессор работает?
Градиент бустинг регрессор строит множество слабых моделей, таких как деревья решений, и комбинирует их для улучшения предсказаний. Модели обучаются последовательно, каждая новая модель пытается скорректировать ошибки предыдущих. На каждом шаге модель минимизирует ошибку, используя градиент функции потерь для обновления предсказаний. Этот процесс продолжается до тех пор, пока не будет достигнута определенная точность или не исчерпаны ресурсы.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Градиент бустинг регрессор строит множество слабых моделей, таких как деревья решений, и комбинирует их для улучшения предсказаний. Модели обучаются последовательно, каждая новая модель пытается скорректировать ошибки предыдущих. На каждом шаге модель минимизирует ошибку, используя градиент функции потерь для обновления предсказаний. Этот процесс продолжается до тех пор, пока не будет достигнута определенная точность или не исчерпаны ресурсы.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Post #2404
246