निर्णय वृक्ष और यादृच्छिक वन प्रश्नोत्तरी

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. निर्णय वृक्ष भविष्यवाणी कैसे करता है?
   • एक छवि में सभी पिक्सेल के औसत से
   • भाषाओं के बीच पाठ का अनुवाद करके
   • हर बार बेतरतीब ढंग से अनुमान लगाकर
   • एक पन्ने तक हां/नहीं प्रश्नों की एक श्रृंखला का पालन करके
2. एकल, गहन निर्णय वृक्ष की मुख्य कमजोरी क्या है?
   • यह संख्याओं को संभाल नहीं सकता
   • यह प्रशिक्षण डेटा में शोर को ओवरफिट करने और याद रखने की प्रवृत्ति रखता है
   • यह केवल टेक्स्ट आउटपुट कर सकता है
   • इसे चलाने के लिए GPU की आवश्यकता होती है
3. How does a random forest combine the predictions of its constituent trees?
   • By aggregating predictions, such as class votes or probabilities
   • By using exactly one tree and discarding every other output
   • By converting all trees into one fixed training row
   • By guaranteeing that all individual errors cancel
4. What sampling operation does bagging use when constructing conventional bootstrap training sets?
   • Sorting rows only by filename
   • Permanently deleting all numerical features
   • Drawing training rows with replacement
   • Assigning exactly one unique row to every tree
5. विभाजन चुनने के लिए वर्गीकरण वृक्ष आमतौर पर किस मीट्रिक का उपयोग करते हैं?
   • पिक्सेल चमक
   • गिनी अशुद्धता या एन्ट्रापी
   • ऑडियो आवृत्ति
   • शब्द गणना
6. Which named system is described in the paper A Scalable Tree Boosting System?
   • फ़ोटोशॉप
   • एफएफएमपीईजी
   • कुबेरनेट्स
   • XGBoost
7. Which random-forest mechanism varies candidate input features at a split rather than resampling training rows?
   • Bootstrap row sampling alone
   • Alphabetical label sorting
   • Random feature-subset selection
   • A guarantee of identical splits in every tree
8. For a training row in a bootstrap forest, which trees should contribute to its out-of-bag prediction?
   • Trees whose bootstrap samples omitted that row
   • Only trees whose samples included that row at least twice
   • Every tree regardless of whether it trained on the row
   • A required newly trained tree using only that row