Сайт: https://easyoffer.ru/
Все каналы: t.me/+xGeAw6ckJ4liYzQy
Контакт для рекламы: @sendme_ads
Post #2489
259
Channel Public Channel
DA Data Science | Тесты
@easy_ds_tests
- Subscribers
- 2.63K
- Photos
- 30
- Videos
- 0
- Links
- 729
Showing posts older than #2490 · Back to latest
Older Posts 20 shown
Post #2486
281
🤔 В чем разница между L1 и L2 регуляризацией?
L1-регуляризация (Lasso) добавляет сумму модулей весов к функции потери, склоняя веса к нулю, что способствует разреженности. L2-регуляризация (Ridge) добавляет сумму квадратов весов, уменьшая их величину, но не зануляя. L1 эффективна для отбора признаков, а L2 — для стабилизации модели и борьбы с переобучением.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
L1-регуляризация (Lasso) добавляет сумму модулей весов к функции потери, склоняя веса к нулю, что способствует разреженности. L2-регуляризация (Ridge) добавляет сумму квадратов весов, уменьшая их величину, но не зануляя. L1 эффективна для отбора признаков, а L2 — для стабилизации модели и борьбы с переобучением.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Post #2484
276
Post #2483
262
🤔 В чем разница между листом и кортежем?
В Python список (list) — это изменяемая коллекция объектов, тогда как кортеж (tuple) — неизменяемая. Это значит, что после создания кортежа его нельзя изменить (добавлять элементы, удалять элементы, изменять существующие элементы).
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
В Python список (list) — это изменяемая коллекция объектов, тогда как кортеж (tuple) — неизменяемая. Это значит, что после создания кортежа его нельзя изменить (добавлять элементы, удалять элементы, изменять существующие элементы).
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
- 💊 1
Post #2481
264
Post #2480
269
🤔 Какую метрику регрессии используешь для объяснения результатов?
Для объяснения результатов регрессии обычно используются несколько метрик, таких как среднеквадратичная ошибка (MSE), средняя абсолютная ошибка (MAE) и R-квадрат. Выбор зависит от специфики задачи и приоритетов: чувствительности к выбросам, интерпретируемости или доли объясненной дисперсии. Важно учитывать контекст и использовать несколько метрик для полной оценки.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Для объяснения результатов регрессии обычно используются несколько метрик, таких как среднеквадратичная ошибка (MSE), средняя абсолютная ошибка (MAE) и R-квадрат. Выбор зависит от специфики задачи и приоритетов: чувствительности к выбросам, интерпретируемости или доли объясненной дисперсии. Важно учитывать контекст и использовать несколько метрик для полной оценки.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Post #2478
253
Post #2477
281
Post #2476
284
🤔 Что такое recall?
Recall (полнота) — это метрика, показывающая, какая доля истинных положительных случаев была правильно предсказана моделью. Она рассчитывается как отношение количества истинно положительных предсказаний к сумме истинно положительных и ложно отрицательных. Recall важен, когда важно минимизировать количество пропущенных положительных случаев. Высокий recall означает, что модель почти не пропускает положительные случаи.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Recall (полнота) — это метрика, показывающая, какая доля истинных положительных случаев была правильно предсказана моделью. Она рассчитывается как отношение количества истинно положительных предсказаний к сумме истинно положительных и ложно отрицательных. Recall важен, когда важно минимизировать количество пропущенных положительных случаев. Высокий recall означает, что модель почти не пропускает положительные случаи.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Post #2475
262
Post #2474
262
🤔 Что такое градиентное затухание?
Градиентное затухание (vanishing gradients) — это проблема, когда в глубоких нейросетях градиенты становятся очень малыми при обратном распространении.
Это мешает обновлению весов в начальных слоях, и обучение "замирает".
Чаще всего возникает в RNN и в сетях с плохой инициализацией или неподходящей функцией активации.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Градиентное затухание (vanishing gradients) — это проблема, когда в глубоких нейросетях градиенты становятся очень малыми при обратном распространении.
Это мешает обновлению весов в начальных слоях, и обучение "замирает".
Чаще всего возникает в RNN и в сетях с плохой инициализацией или неподходящей функцией активации.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Post #2473
260
Post #2472
263
Post #2471
261
🤔 Разница между K-Means и KNN
1. K-Means (кластеризация):
o Используется для группировки данных в кластеры на основе схожести.
o Это алгоритм обучения без учителя.
o Результат — центры кластеров, данные распределяются вокруг них.
2. KNN (K-Nearest Neighbors):
o Алгоритм классификации или регрессии, находящий ближайших соседей для прогнозирования.
o Это алгоритм обучения с учителем.
o Результат зависит от разметки данных (меток классов).
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
1. K-Means (кластеризация):
o Используется для группировки данных в кластеры на основе схожести.
o Это алгоритм обучения без учителя.
o Результат — центры кластеров, данные распределяются вокруг них.
2. KNN (K-Nearest Neighbors):
o Алгоритм классификации или регрессии, находящий ближайших соседей для прогнозирования.
o Это алгоритм обучения с учителем.
o Результат зависит от разметки данных (меток классов).
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Post #2470
255
Post #2469
260
🤔 Как решить задачу, где присутствует одновременно два target – один categorical, другой continuous?
Используются модели multi-output, которые обучаются на несколько целевых переменных, например, через отдельные выходные слои в нейросети.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Используются модели multi-output, которые обучаются на несколько целевых переменных, например, через отдельные выходные слои в нейросети.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Post #2468
254
Post #2467
248
🤔 Чем отличается итератор от генератора?
Итератор — это объект с методами iter и next, позволяющий поочерёдно перебирать элементы. Генератор — это удобная форма итератора, создаваемая функцией с использованием yield, которая сохраняет своё состояние между вызовами. Итераторы требуют ручной реализации, а генераторы упрощают создание итераций.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Итератор — это объект с методами iter и next, позволяющий поочерёдно перебирать элементы. Генератор — это удобная форма итератора, создаваемая функцией с использованием yield, которая сохраняет своё состояние между вызовами. Итераторы требуют ручной реализации, а генераторы упрощают создание итераций.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Post #2466
251
Post #2465
268