Gids-gekoppelde quiz · Middelmatig Niveau
Ensemblemethoden en quiz voor het stimuleren van gradiënt
Vergelijk bagging en boosting, residual fitting, shrinkage, regularisatie, gebruik van tabelgegevens en evaluatietools voor boom-ensembles.
Vraag 1 van 8
What is the core operation in an ensemble method?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- What is the core operation in an ensemble method?
- Combining predictions from multiple models
- Eén heel groot model gebruiken in plaats van veel kleine
- Een model trainen op zoveel mogelijk gegevens
- Het verwijderen van alle zwakke leerlingen uit een model
- How does gradient boosting differ from bagging in the usual training setup?
- Boosting traint bomen parallel; Bagging traint ze opeenvolgend
- Boosting adds learners sequentially; independently fitted bagging learners can be trained in parallel
- Boosting werkt alleen op afbeeldingen; alleen op tekst inpakken
- In de praktijk zijn ze identiek
- In gradient boosting, what target does a new tree approximate?
- De originele onbewerkte labels
- Slechts een willekeurige subset van de functies
- The negative gradient of the current loss, often called a pseudo-residual
- Het gemiddelde van alle voorgaande bomen
- What is a possible effect of using a smaller learning rate in boosting?
- Om de grootte van elke boom te vergroten
- Om bomen te verwijderen die slecht presteren
- Bomen omzetten in neurale netwerken
- It can make updates more gradual and may require more trees
- What type of input is used in the cited gradient-boosted-tree examples and studies?
- Structured or tabular data
- Afbeeldingen met hoge resolutie
- Ruwe audiogolfvormen
- Lange documenten in natuurlijke taal
- Wat is een gebruikelijke regularisatietechniek die wordt gebruikt om te voorkomen dat de boost overfitting veroorzaakt?
- Het verwijderen van de verliesfunctie
- Beperking van de boomdiepte en subsampling van rijen/kenmerken
- Gebruik altijd een leersnelheid van precies 1,0
- Oneindig veel bomen trainen
- 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
- 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