Questionário sobre métodos de conjunto e aumento de gradiente

As respostas e explicações aparecem conforme você responde ao teste.

1. What is the core operation in an ensemble method?
   • Combining predictions from multiple models
   • Usando um modelo muito grande em vez de muitos modelos pequenos
   • Treinar um modelo com o máximo de dados possível
   • Removendo todos os alunos fracos de um modelo
2. How does gradient boosting differ from bagging in the usual training setup?
   • Impulsionar trens árvores em paralelo; ensacamento os treina sequencialmente
   • Boosting adds learners sequentially; independently fitted bagging learners can be trained in parallel
   • O reforço só funciona em imagens; ensacando apenas no texto
   • Eles são idênticos na prática
3. In gradient boosting, what target does a new tree approximate?
   • Os rótulos brutos originais
   • Apenas um subconjunto aleatório de recursos
   • The negative gradient of the current loss, often called a pseudo-residual
   • A média de todas as árvores anteriores
4. What is a possible effect of using a smaller learning rate in boosting?
   • Para aumentar o tamanho de cada árvore
   • Para excluir árvores com desempenho insatisfatório
   • Para converter árvores em redes neurais
   • 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
   • Imagens de alta resolução
   • Formas de onda de áudio bruto
   • Documentos longos em linguagem natural
6. Qual é uma técnica de regularização comum usada para evitar o overfitting?
   • Removendo a função de perda
   • Limitando a profundidade da árvore e subamostrando linhas/recursos
   • Usando uma taxa de aprendizado de exatamente 1,0 sempre
   • Treinando infinitas árvores
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