Metody zespołowe i quiz dotyczący wzmacniania gradientu

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. What is the core operation in an ensemble method?
   • Combining predictions from multiple models
   • Używanie jednego bardzo dużego modelu zamiast wielu małych
   • Uczenie modelu na jak największej ilości danych
   • Usuwanie wszystkich słabych uczniów z modelu
2. How does gradient boosting differ from bagging in the usual training setup?
   • Wzmocnienie pociąga drzewa równolegle; pakowanie szkoli je sekwencyjnie
   • Boosting adds learners sequentially; independently fitted bagging learners can be trained in parallel
   • Wzmocnienie działa tylko na obrazach; pakowanie tylko tekstu
   • W praktyce są identyczne
3. In gradient boosting, what target does a new tree approximate?
   • Oryginalne surowe etykiety
   • Tylko losowy podzbiór cech
   • The negative gradient of the current loss, often called a pseudo-residual
   • Średnia wszystkich poprzednich drzew
4. What is a possible effect of using a smaller learning rate in boosting?
   • Aby zwiększyć rozmiar każdego drzewa
   • Aby usunąć drzewa, które działają słabo
   • Aby przekształcić drzewa w sieci neuronowe
   • 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
   • Obrazy w wysokiej rozdzielczości
   • Surowe przebiegi audio
   • Długie dokumenty w języku naturalnym
6. Jaka jest powszechna technika regularyzacji stosowana w celu zapobiegania wzmocnieniu przed nadmiernym dopasowaniem?
   • Usunięcie funkcji straty
   • Ograniczanie głębokości drzewa i podpróbkowania wierszy/funkcji
   • Zawsze używaj szybkości uczenia się dokładnie 1,0
   • Trenowanie nieskończenie wielu drzew
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