اختبار مرتبط بالدليل · متوسط المستوى

طرق المجموعة واختبار تعزيز التدرج

قارن بين التعبئة والتعزيز، والتركيب المتبقي، والانكماش، والتنظيم، واستخدام البيانات الجدولية، وأدوات التقييم لمجموعات الأشجار.

مسارات الدليل ذات الصلةأساليب الفرقة وتعزيز التدرج
سؤال 1 من 8

What is the core operation in an ensemble method?

معاينة كل سؤال8 أسئلة

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

  1. What is the core operation in an ensemble method?
    • Combining predictions from multiple models
    • استخدام نموذج واحد كبير جدًا بدلاً من العديد من النماذج الصغيرة
    • تدريب النموذج على أكبر قدر ممكن من البيانات
    • إزالة جميع المتعلمين الضعفاء من النموذج
  2. How does gradient boosting differ from bagging in the usual training setup?
    • تعزيز القطارات الأشجار بالتوازي؛ التعبئة يدربهم بالتتابع
    • Boosting adds learners sequentially; independently fitted bagging learners can be trained in parallel
    • التعزيز يعمل فقط على الصور؛ التعبئة فقط على النص
    • فهي متطابقة في الممارسة العملية
  3. In gradient boosting, what target does a new tree approximate?
    • التسميات الخام الأصلية
    • مجموعة فرعية عشوائية من الميزات فقط
    • The negative gradient of the current loss, often called a pseudo-residual
    • متوسط جميع الأشجار السابقة
  4. What is a possible effect of using a smaller learning rate in boosting?
    • لزيادة حجم كل شجرة
    • لحذف الأشجار ذات الأداء الضعيف
    • تحويل الأشجار إلى شبكات عصبية
    • It can make updates more gradual and may require more trees
  5. What type of input is used in the cited gradient-boosted-tree examples and studies?
    • Structured or tabular data
    • صور عالية الدقة
    • الأشكال الموجية الصوتية الخام
    • وثائق طويلة باللغة الطبيعية
  6. ما هي تقنية التنظيم الشائعة المستخدمة للحفاظ على التعزيز من التجاوز؟
    • إزالة وظيفة الخسارة
    • الحد من عمق الشجرة وأخذ العينات الفرعية من الصفوف/الميزات
    • باستخدام معدل التعلم بالضبط 1.0 دائما
    • تدريب عدد لا نهائي من الأشجار
  7. What does an out-of-bag score estimate in a bagged tree ensemble?
    • The accuracy on examples used by every tree
    • The number of leaves in the largest tree
    • Generalization performance using training examples omitted from a tree’s bootstrap sample
    • The learning rate of a gradient-boosted model
  8. What does early stopping monitor during gradient-boosting training?
    • Only the training-set row order
    • Whether the model has no trees left
    • The number of categorical columns in a spreadsheet
    • A validation metric and stops adding trees when it no longer improves