Ансамбъл методи и тест за усилване на градиента

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. What is the core operation in an ensemble method?
   • Combining predictions from multiple models
   • Използване на един много голям модел вместо много малки
   • Обучение на модел върху възможно най-много данни
   • Премахване на всички слаби учащи се от модел
2. How does gradient boosting differ from bagging in the usual training setup?
   • Ускоряването обучава паралелно дървета; опаковането ги обучава последователно
   • Boosting adds learners sequentially; independently fitted bagging learners can be trained in parallel
   • Повишаването работи само върху изображения; опаковане само върху текст
   • Те са идентични на практика
3. In gradient boosting, what target does a new tree approximate?
   • Оригиналните необработени етикети
   • Само произволно подмножество от характеристиките
   • The negative gradient of the current loss, often called a pseudo-residual
   • Средната стойност на всички предишни дървета
4. What is a possible effect of using a smaller learning rate in boosting?
   • За да увеличите размера на всяко дърво
   • За да изтриете дървета, които се представят лошо
   • Да конвертирате дървета в невронни мрежи
   • 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
   • Изображения с висока разделителна способност
   • Необработени аудио вълни
   • Дълги документи на естествен език
6. Коя е обичайната техника за регулиране, използвана за предпазване от прекомерно оборудване?
   • Премахване на функцията за загуба
   • Ограничаване на дълбочината на дървото и подизвадка на редове/характеристики
   • Винаги използвайки скорост на обучение точно 1,0
   • Обучение на безкрайно много дървета
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