Metode de ansamblu și test de creștere a gradului

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

1. What is the core operation in an ensemble method?
   • Combining predictions from multiple models
   • Folosind un model foarte mare în loc de multe modele mici
   • Antrenarea unui model pe cât mai multe date posibil
   • Eliminarea tuturor cursanților slabi dintr-un model
2. How does gradient boosting differ from bagging in the usual training setup?
   • Îmbunătățirea arborilor trenurilor în paralel; bagajul îi antrenează secvenţial
   • Boosting adds learners sequentially; independently fitted bagging learners can be trained in parallel
   • Boosting-ul funcționează numai pe imagini; ambalarea numai pe text
   • Ele sunt identice în practică
3. In gradient boosting, what target does a new tree approximate?
   • Etichetele brute originale
   • Numai un subset aleatoriu de caracteristici
   • The negative gradient of the current loss, often called a pseudo-residual
   • Media tuturor copacilor anteriori
4. What is a possible effect of using a smaller learning rate in boosting?
   • Pentru a crește dimensiunea fiecărui copac
   • Pentru a șterge copacii care funcționează slab
   • Pentru a converti copacii în rețele neuronale
   • 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
   • Imagini de înaltă rezoluție
   • Forme de undă audio brute
   • Documente lungi în limbaj natural
6. Care este o tehnică obișnuită de regularizare folosită pentru a preveni supraadaptarea?
   • Înlăturarea funcției de pierdere
   • Limitarea adâncimii arborelui și subeșantionarea rândurilor/funcțiilor
   • Folosind întotdeauna o rată de învățare de exact 1,0
   • Antrenează infinit de copaci
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