Quiz dotyczący drzew decyzyjnych i losowych lasów

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. W jaki sposób drzewo decyzyjne pozwala na prognozowanie?
   • Uśredniając wszystkie piksele na obrazie
   • Tłumacząc tekst między językami
   • Losowo zgadując za każdym razem
   • Wykonując serię pytań tak/nie aż do liścia
2. Jaka jest główna słabość pojedynczego, głębokiego drzewa decyzyjnego?
   • Nie radzi sobie z liczbami
   • Ma tendencję do nadmiernego dopasowywania i zapamiętywania szumów w danych treningowych
   • Może wyświetlać tylko tekst
   • Do działania wymaga procesora graficznego
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. Jakiej metryki powszechnie używają drzewa klasyfikacyjne przy wyborze podziału?
   • Jasność pikseli
   • Zanieczyszczenie Giniego lub entropia
   • Częstotliwość dźwięku
   • Liczba słów
6. Which named system is described in the paper A Scalable Tree Boosting System?
   • Photoshopa
   • FFmpeg
   • Kubernetes
   • 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