Kvíz spojený s průvodcem · Snadno úroveň

Gini kvíz o nečistotách

Vypočítejte nečistotu uzlů a vážený zisk rozdělení a poté odlište roli Gini při budování místního stromu od vyhodnocení predikce.

Související vodicí cestyNečistota Gini
Otázka 1 z 8

Binární uzel má třídní proporce 0,8 a 0,2. Jaká je jeho nečistota Gini?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Binární uzel má třídní proporce 0,8 a 0,2. Jaká je jeho nečistota Gini?
    • 0,32
    • 0,20
    • 0,64
    • 0,80
  2. Která hodnota popisuje nečistotu v uzlu obsahujícím pouze jednu třídu?
    • 0,5
    • 0
    • 1
    • Záleží na počtu prediktorů
  3. Jak by měly být dětské nečistoty kombinovány při hodnocení rozdělení kandidátů?
    • Přidejte dětské skóre bez ohledu na dětské velikosti
    • Vezměte pouze největší dětskou nečistotu
    • Zvažte každé dítě jeho podílem na pozorováních rodičů
    • Používejte pouze čistotu nejmenšího dítěte
  4. Co představuje pokles Gini ve stavbě stromů?
    • Pravděpodobnost, že rys je kauzální
    • Zlomek trénovacích štítků předpověděl nesprávně na testovacích datech
    • Počet tříd v cíli
    • Rodičovská nečistota mínus vážená dětská nečistota
  5. Co je Gini nečistota pro dvě stejně běžné třídy v binárním uzlu?
    • 0
    • 0,5
    • 0,25
    • 1
  6. Jaký rozdíl mezi Gini a entropií je přesný?
    • Entropie je vzdálenost mezi prediktorovými vektory
    • Gini vyhodnocuje přesnost držení, zatímco entropie staví stromy
    • Jsou to různá místní kritéria nečistot s různými měřítky
    • Gini je vždy číselně větší pro každý split
  7. Hluboký strom má téměř čisté tréninkové listy. Co je třeba zkontrolovat, než dojde k závěru, že to dobře zobecňuje?
    • Zda má každá funkce kladnou hodnotu
    • Zda má každý list pouze nulovou entropii
    • Abecední pořadí štítků tříd
    • Výkon na vhodně držených datech
  8. Co popisuje uzel-místní nečistota Gini?
    • Míchání tříd mezi pozorováními v tomto uzlu
    • Vyváženost globální třídy v každé datové sadě
    • Pravděpodobnost, že je přizpůsobený model zkalibrován
    • Důležitost funkce napříč všemi možnými modely