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.

Связанные направляющие путиЛассо и эластичная чистая регрессия
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.

  1. 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.
  2. 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.
  3. 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.
  4. 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
  5. 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
  6. 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.
  7. 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
  8. 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.