Викторина, связанная с руководством · Средний Уровень
Викторина «Лассо и эластичная чистая регрессия»
Узнайте, как штрафы L1 и L2 влияют на коэффициенты, почему важны масштабирование и перекрестная проверка и как коррелирующие предикторы влияют на выбор.
Вопрос 1 из 8
Подбор лассо присваивает объекту ровно нулевой коэффициент. Что это означает в данной подогнанной модели?
Предварительный просмотр каждого вопроса8 вопросы
Ответы и пояснения появляются по мере прохождения теста.
- Подбор лассо присваивает объекту ровно нулевой коэффициент. Что это означает в данной подогнанной модели?
- Объект исключен из линейного прогноза.
- Эта функция не связана ни с одной разумной моделью.
- Функция была удалена во время предварительной обработки данных.
- Объект не имеет изменений в исходной совокупности.
- Какая комбинация штрафов определяет эластичную сетку в направляющей?
- Штраф L1, где альфа обозначает только долю L1
- L1 плюс L2
- Только штраф L1, без компонента L2
- Штраф L2, при этом L1 используется только во время масштабирования функций.
- Два сильно коррелированных предиктора чередуются, так как тот, который сохраняется с помощью лассо, в повторных выборках. Что это показывает?
- Стандартизация гарантирует стабильный отбор всякий раз, когда предикторы коррелируют.
- Любое изменение в выбранных функциях доказывает, что набор тестов попал в перекрестную проверку.
- Их выбор может быть нестабильным, несмотря на аналогичные прогнозы.
- Лассо гарантированно присваивает одинаковые коэффициенты всем повторным выборкам.
- Почему масштабирование следует изучать внутри каждого обучающего цикла перекрестной проверки?
- Установите масштабатор один раз во все строки, а затем разделите их для перекрестной проверки.
- Подгоняйте параметры масштабирования только к строкам проверки
- Масштабируйте после выбора окончательного штрафа с использованием тестовых данных
- Чтобы информация о валидации не попала в предварительную обработку
- В общепринятом соглашении о соотношении смешивания какая конечная точка соответствует чистому лассо?
- Конечная точка со всеми штрафами L2.
- Конечная точка со всеми штрафами L1.
- Конечная точка без штрафа
- Настройка, удаляющая перехват
- В наборе данных есть предикторы, измеряемые в долларах и в крошечных долях. Почему масштабирование может иметь значение для штрафной регрессии?
- Масштабирование функций не может влиять на поведение штрафов при изменении единиц измерения.
- Изменение масштаба цели — единственная предварительная обработка, имеющая отношение к коэффициентам.
- Штраф действует на величины коэффициентов, которые зависят от единиц признака.
- Масштабирование после подгонки оставляет выбранные коэффициенты неизменными.
- Когда следует использовать окончательный набор тестов, если настройки штрафов выбираются путем перекрестной проверки?
- Только если ошибка обучения равна нулю
- Повторно выбирать каждое значение штрафа
- Перед установкой трубопровода предварительной обработки
- После выбора модели для окончательной оценки
- Какое утверждение о нулевом коэффициенте лассо является достаточно осторожным?
- Это результат этого наказуемого соответствия, а не универсальное доказательство отсутствия отношений.
- Это доказывает, что этот предиктор не имеет причинного эффекта.
- Он останется нулевым для разных групп населения и настроек штрафов.
- Установлено, что нелинейных связей не существует.