Викторина «Деревья решений и случайные леса»

Ответы и пояснения появляются по мере прохождения теста.

1. Как дерево решений делает прогноз?
   • Путем усреднения всех пикселей изображения
   • Переводя текст между языками
   • Каждый раз случайным образом угадывая
   • Следуя серии вопросов «да/нет» вплоть до листа
2. В чем главный недостаток единого глубокого дерева решений?
   • Он не может обрабатывать числа
   • Он имеет тенденцию переобучать и запоминать шум в обучающих данных.
   • Он может выводить только текст
   • Для запуска требуется графический процессор
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. Какой показатель обычно используют деревья классификации для выбора разделения?
   • Яркость пикселей
   • Примесь Джини или энтропия
   • Звуковая частота
   • Количество слов
6. Which named system is described in the paper A Scalable Tree Boosting System?
   • Фотошоп
   • FFmpeg
   • Кубернетес
   • 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