Topluluk Yöntemleri ve Gradyan Arttırma Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. What is the core operation in an ensemble method?
   • Combining predictions from multiple models
   • Birçok küçük model yerine çok büyük bir model kullanmak
   • Bir modeli mümkün olduğu kadar çok veriyle eğitmek
   • Tüm zayıf öğrenenleri modelden çıkarma
2. How does gradient boosting differ from bagging in the usual training setup?
   • Tren ağaçlarının paralel olarak güçlendirilmesi; torbalama onları sırayla eğitir
   • Boosting adds learners sequentially; independently fitted bagging learners can be trained in parallel
   • Yükseltme yalnızca görsellerde işe yarar; yalnızca metin üzerinde paketleme
   • Pratikte aynıdırlar
3. In gradient boosting, what target does a new tree approximate?
   • Orijinal ham etiketler
   • Yalnızca özelliklerin rastgele bir alt kümesi
   • The negative gradient of the current loss, often called a pseudo-residual
   • Önceki tüm ağaçların ortalaması
4. What is a possible effect of using a smaller learning rate in boosting?
   • Her ağacın boyutunu artırmak için
   • Kötü performans gösteren ağaçları silmek için
   • Ağaçları sinir ağlarına dönüştürmek için
   • 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
   • Yüksek çözünürlüklü görüntüler
   • Ham ses dalga formları
   • Uzun doğal dil belgeleri
6. Güçlendirmeyi aşırı uyumdan korumak için kullanılan yaygın bir düzenleme tekniği hangisidir?
   • Kayıp fonksiyonunun kaldırılması
   • Ağaç derinliğini sınırlama ve satırları/özellikleri alt örnekleme
   • Her zaman tam olarak 1,0'lık bir öğrenme oranı kullanma
   • Sonsuz sayıda ağacı eğitmek
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