Kvíz spojený s průvodcem · Těžko úroveň
Kvíz o cílovém kódování
Zkontrolujte únik cílového kódování, křížové přizpůsobení a vyhlazení pomocí prostředků kategorií, příkladů vzácných depotů a neviditelného zacházení s kategoriemi.
Otázka 1 z 8
Kategorie se vyskytuje v jedné tréninkové řadě. Proč je použití nevyhlazeného cíle řádku jako vlastního vstupu nebezpečné?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Kategorie se vyskytuje v jedné tréninkové řadě. Proč je použití nevyhlazeného cíle řádku jako vlastního vstupu nebezpečné?
- Kódování se nutně stává identickým s globálním průměrem
- Samotná frekvence kategorie odhaluje ověřovací skóre modelu
- Kódování přímo odhaluje výsledek tohoto řádku
- Nevyhlazené jednořádkové kódování je chráněno před únikem díky malé velikosti vzorku
- Jak by měl natažený sklad přijímat cílové kódování během křížového spojování?
- Ze souhrnů kategorií vypočítaných pomocí ostatních tréninkových záhybů
- Ze souhrnů vypočítaných pouze pomocí vlastních štítků
- Ze souhrnů vypočítaných pomocí konečných testovacích štítků
- Ze souhrnů vypočítaných pomocí všech tréninkových záhybů, včetně vlastních štítků
- Použijeme-li příklad vyhlazování průvodce, jaká hodnota vyplývá z cílového součtu 30, počtu dvou, globálního průměru šest a předchozí váhy čtyři?
- 15
- 6
- 54
- 9
- Proč vyhlazování přitahuje odhad vzácné kategorie směrem ke globálnímu tréninkovému prostředku?
- To make every category's encoding identical
- To reduce the influence of very small category samples
- To remove the need for an evaluation split
- To guarantee that category frequency cannot change
- Which scikit-learn TargetEncoder operation uses internal cross-fitting when encoding training data?
- Calling transform on training rows using a mapping fitted on all those rows
- Calling fit and then transform on the same training rows
- Calling fit_transform on the training data
- Calling fit once before dividing the training data into evaluation folds
- How should evaluation labels be used when constructing a target-encoding mapping?
- They should not be used to learn the mapping being evaluated
- They should define the mapping for rare categories only
- They should determine the global mean but not category means
- They should be added when the training score is low
- According to the guide, what does scikit-learn's TargetEncoder use for a category absent from its fitting data?
- The smallest observed category value
- The held-out outcome for that row
- A newly calculated test-set average
- The learned target mean
- A target-encoding dataset contains repeated entities and time-dependent outcomes. Which design needs attention beyond ordinary random cross-fitting?
- Using random row folds because each row excludes its own label
- Choosing splits that respect the intended group and time boundaries
- Using stronger smoothing as a substitute for respecting time boundaries
- Using an ordinary Pipeline as proof that its encoder's internal folds respect groups