Ensemble-Methoden und Gradient-Boosting-Quiz

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

1. What is the core operation in an ensemble method?
   • Combining predictions from multiple models
   • Verwendung eines sehr großen Modells statt vieler kleiner
   • Trainieren Sie ein Modell anhand möglichst vieler Daten
   • Entfernen aller schwachen Lernenden aus einem Modell
2. How does gradient boosting differ from bagging in the usual training setup?
   • Durch Boosting werden Bäume parallel trainiert. Durch das Einpacken werden sie nacheinander trainiert
   • Boosting adds learners sequentially; independently fitted bagging learners can be trained in parallel
   • Boosting funktioniert nur bei Bildern; Einpacken nur auf Text
   • Sie sind in der Praxis identisch
3. In gradient boosting, what target does a new tree approximate?
   • Die originalen Rohetiketten
   • Nur eine zufällige Teilmenge der Features
   • The negative gradient of the current loss, often called a pseudo-residual
   • Der Durchschnitt aller vorherigen Bäume
4. What is a possible effect of using a smaller learning rate in boosting?
   • Um die Größe jedes Baumes zu vergrößern
   • Um Bäume zu löschen, die eine schlechte Leistung erbringen
   • Bäume in neuronale Netze umwandeln
   • 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
   • Hochauflösende Bilder
   • Rohe Audiowellenformen
   • Lange Dokumente in natürlicher Sprache
6. Welches ist eine gängige Regularisierungstechnik, die verwendet wird, um eine Überanpassung des Boostings zu verhindern?
   • Entfernen der Verlustfunktion
   • Begrenzung der Baumtiefe und Unterabtastung von Zeilen/Merkmalen
   • Es wird immer eine Lernrate von genau 1,0 verwendet
   • Unendlich viele Bäume trainieren
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