Méthodes d'ensemble et quiz sur l'amélioration des dégradés

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

1. What is the core operation in an ensemble method?
   • Combining predictions from multiple models
   • Utiliser un très grand modèle au lieu de plusieurs petits
   • Entraîner un modèle sur autant de données que possible
   • Supprimer tous les apprenants faibles d'un modèle
2. How does gradient boosting differ from bagging in the usual training setup?
   • Stimuler les arbres en parallèle ; l'ensachage les entraîne séquentiellement
   • Boosting adds learners sequentially; independently fitted bagging learners can be trained in parallel
   • Le boosting ne fonctionne que sur les images ; mise en sac uniquement sur le texte
   • Ils sont identiques en pratique
3. In gradient boosting, what target does a new tree approximate?
   • Les étiquettes brutes originales
   • Un sous-ensemble aléatoire des fonctionnalités uniquement
   • The negative gradient of the current loss, often called a pseudo-residual
   • La moyenne de tous les arbres précédents
4. What is a possible effect of using a smaller learning rate in boosting?
   • Pour augmenter la taille de chaque arbre
   • Pour supprimer les arbres qui fonctionnent mal
   • Pour convertir les arbres en réseaux de neurones
   • 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
   • Images haute résolution
   • Formes d'onde audio brutes
   • Documents longs en langage naturel
6. Quelle est une technique de régularisation courante utilisée pour empêcher le boosting d'être surajusté ?
   • Suppression de la fonction de perte
   • Limitation de la profondeur de l'arborescence et sous-échantillonnage des lignes/caractéristiques
   • Utiliser toujours un taux d'apprentissage d'exactement 1,0
   • Former une infinité d'arbres
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