Denetimli Öğrenme Sınavı

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Denetimli öğrenmede bir eğitim veri kümesini 'etiketlenmiş' yapan şey nedir?
   • Her örnek, dosya türüne ve boyutuna göre klasörlere ayrılmıştır
   • Each example is paired with a target output for the model to learn
   • Modelin daha kısa sürede okuyabilmesi için her örnek sıkıştırılmıştır.
   • Her örnek, tam olarak ilk toplandığı zamanı kaydeden bir zaman damgası içerir
2. Bir e-postanın spam olup olmadığını tahmin eden bir model, hangi tür denetimli öğrenme sorununu çözüyor?
   • Regresyon
   • sınıflandırma
   • Boyut azaltma
   • Kümeleme
3. Bir evin satış fiyatını büyüklüğüne ve konumuna göre tahmin etmek neye örnektir?
   • Kümelenme, çünkü benzer evler bölgelere göre gruplandırılır
   • Regresyon, çünkü çıktı sürekli bir sayıdır
   • Sınıflandırma, çünkü evler farklı mahallelere ait
   • Takviyeli öğrenme, çünkü fiyatlar satıcıları ödüllendirir
4. Uygulayıcılar neden modelin eğitim sırasında hiç görmediği ayrı bir test setini saklı tutuyor?
   • Eğitim doğruluğu zirveye ulaştığında modele ekstra örnekler vermek
   • Eğitim verilerinin kaybolması durumunda yedek kopyayı saklamak için
   • Modelin yeni, görülmemiş veriler üzerinde ne kadar iyi performans gösterdiğini tahmin etmek
   • Daha az örnek kullanarak eğitimin daha hızlı çalışmasını sağlamak
5. When should preprocessing steps such as fitted scaling be learned for a supervised-learning evaluation?
   • From all rows before splitting so the test set helps estimate them
   • From test examples only
   • From the training partition, then applied to validation and test examples
   • From whichever partition gives the best final score
6. The guide’s classifier catches 30 of 40 urgent messages and flags 20 ordinary messages. Which recall and precision values follow?
   • Recall 75%; precision 60%
   • Recall 60%; precision 75%
   • Recall 100%; precision 50%
   • Recall 30%; precision 20%
7. A dataset has repeated records for the same person. What risk can a random row split create?
   • The model is guaranteed to have low recall
   • Related records can appear in both training and test sets, leaking information
   • The target labels automatically become numerical
   • The test set is no longer allowed to contain labels
8. What can changing a classification threshold do, according to the guide?
   • Change the tradeoff between false positives and false negatives without changing learned parameters
   • Change the training labels into features
   • Guarantee both error types become zero
   • Replace the need to evaluate model performance