اختبار أشجار القرار والغابات العشوائية

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. كيف تقوم شجرة القرار بالتنبؤ؟
   • عن طريق حساب متوسط جميع وحدات البكسل في الصورة
   • عن طريق ترجمة النص بين اللغات
   • عن طريق التخمين عشوائيا في كل مرة
   • من خلال اتباع سلسلة من الأسئلة بنعم/لا وصولاً إلى ورقة الشجر
2. ما هي نقطة الضعف الرئيسية في شجرة القرار الواحدة العميقة؟
   • لا يمكنه التعامل مع الأرقام
   • يميل إلى الإفراط في الاحتواء وحفظ الضوضاء في بيانات التدريب
   • يمكنه إخراج النص فقط
   • يتطلب تشغيله GPU
3. How does a random forest combine the predictions of its constituent trees?
   • By aggregating predictions, such as class votes or probabilities
   • By using exactly one tree and discarding every other output
   • By converting all trees into one fixed training row
   • By guaranteeing that all individual errors cancel
4. What sampling operation does bagging use when constructing conventional bootstrap training sets?
   • Sorting rows only by filename
   • Permanently deleting all numerical features
   • Drawing training rows with replacement
   • Assigning exactly one unique row to every tree
5. ما المقياس الذي تستخدمه أشجار التصنيف عادة لاختيار التقسيم؟
   • سطوع بكسل
   • جيني النجاسة أو الإنتروبيا
   • تردد الصوت
   • عدد الكلمات
6. Which named system is described in the paper A Scalable Tree Boosting System?
   • فوتوشوب
   • FFmpeg
   • كوبيرنيتيس
   • XGBoost
7. Which random-forest mechanism varies candidate input features at a split rather than resampling training rows?
   • Bootstrap row sampling alone
   • Alphabetical label sorting
   • Random feature-subset selection
   • A guarantee of identical splits in every tree
8. For a training row in a bootstrap forest, which trees should contribute to its out-of-bag prediction?
   • Trees whose bootstrap samples omitted that row
   • Only trees whose samples included that row at least twice
   • Every tree regardless of whether it trained on the row
   • A required newly trained tree using only that row