এনসেম্বল পদ্ধতি এবং গ্রেডিয়েন্ট বুস্টিং কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. What is the core operation in an ensemble method?
   • Combining predictions from multiple models
   • অনেক ছোট মডেলের পরিবর্তে একটি খুব বড় মডেল ব্যবহার করা
   • যতটা সম্ভব ডেটার উপর একটি মডেলকে প্রশিক্ষণ দেওয়া
   • একটি মডেল থেকে সমস্ত দুর্বল শিক্ষার্থীদের অপসারণ করা
2. How does gradient boosting differ from bagging in the usual training setup?
   • সমান্তরালভাবে ট্রেন গাছ বৃদ্ধি; ব্যাগিং তাদের ক্রমানুসারে প্রশিক্ষণ দেয়
   • Boosting adds learners sequentially; independently fitted bagging learners can be trained in parallel
   • বুস্টিং শুধুমাত্র ছবিতে কাজ করে; শুধু টেক্সট ব্যাগিং
   • তারা অনুশীলনে অভিন্ন
3. In gradient boosting, what target does a new tree approximate?
   • মূল কাঁচা লেবেল
   • শুধুমাত্র বৈশিষ্ট্যগুলির একটি এলোমেলো উপসেট
   • The negative gradient of the current loss, often called a pseudo-residual
   • আগের সব গাছের গড়
4. What is a possible effect of using a smaller learning rate in boosting?
   • প্রতিটি গাছের আকার বাড়াতে হবে
   • খারাপ কর্মক্ষমতা যে গাছ মুছে ফেলার জন্য
   • গাছকে নিউরাল নেটওয়ার্কে রূপান্তর করা
   • 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
   • উচ্চ-রেজোলিউশনের ছবি
   • কাঁচা অডিও তরঙ্গরূপ
   • দীর্ঘ প্রাকৃতিক-ভাষা নথি
6. ওভারফিটিং থেকে বুস্টিং রাখতে ব্যবহৃত একটি সাধারণ নিয়মিতকরণ কৌশল কোনটি?
   • ক্ষতি ফাংশন অপসারণ
   • গাছের গভীরতা সীমিত করা এবং সারি/বৈশিষ্ট্য সাবস্যাম্পলিং
   • সর্বদা ঠিক 1.0 এর শেখার হার ব্যবহার করা
   • প্রশিক্ষণ অসীম অনেক গাছ
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