Prueba de métodos de conjunto y aumento de gradiente

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. What is the core operation in an ensemble method?
   • Combining predictions from multiple models
   • Usar un modelo muy grande en lugar de muchos pequeños
   • Entrenar un modelo con la mayor cantidad de datos posible
   • Eliminar a todos los alumnos débiles de un modelo
2. How does gradient boosting differ from bagging in the usual training setup?
   • Impulsar árboles de trenes en paralelo; el embolsado los entrena secuencialmente
   • Boosting adds learners sequentially; independently fitted bagging learners can be trained in parallel
   • El impulso sólo funciona con imágenes; embolsado solo en texto
   • Son idénticos en la práctica.
3. In gradient boosting, what target does a new tree approximate?
   • Las etiquetas originales en bruto.
   • Un subconjunto aleatorio de las características solamente.
   • The negative gradient of the current loss, often called a pseudo-residual
   • El promedio de todos los árboles anteriores.
4. What is a possible effect of using a smaller learning rate in boosting?
   • Para aumentar el tamaño de cada árbol.
   • Para eliminar árboles que funcionan mal
   • Para convertir árboles en redes neuronales.
   • 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
   • Imágenes de alta resolución
   • Formas de onda de audio sin procesar
   • Documentos largos en lenguaje natural.
6. ¿Cuál es una técnica de regularización común que se utiliza para evitar el sobreajuste del impulso?
   • Eliminando la función de pérdida
   • Limitar la profundidad del árbol y submuestrear filas/características
   • Usar siempre una tasa de aprendizaje de exactamente 1,0
   • Entrenando infinitos árboles
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