Ансамблеві методи та Тест на посилення градієнта

Відповіді та пояснення з’являються під час виконання тесту.

1. What is the core operation in an ensemble method?
   • Combining predictions from multiple models
   • Використання однієї дуже великої моделі замість багатьох маленьких
   • Навчання моделі на якомога більшій кількості даних
   • Видалення всіх слабких учнів із моделі
2. How does gradient boosting differ from bagging in the usual training setup?
   • Прискорення тренує дерева паралельно; упаковка тренує їх послідовно
   • Boosting adds learners sequentially; independently fitted bagging learners can be trained in parallel
   • Підвищення працює лише на зображеннях; мішки тільки на тексті
   • На практиці вони ідентичні
3. In gradient boosting, what target does a new tree approximate?
   • Оригінальні сирі етикетки
   • Лише випадкова підмножина функцій
   • The negative gradient of the current loss, often called a pseudo-residual
   • Середнє значення всіх попередніх дерев
4. What is a possible effect of using a smaller learning rate in boosting?
   • Щоб збільшити розмір кожного дерева
   • Щоб видалити дерева, які погано працюють
   • Щоб перетворити дерева в нейронні мережі
   • 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
   • Зображення високої роздільної здатності
   • Необроблені звукові сигнали
   • Довгі документи природною мовою
6. Яка поширена техніка регулярізації використовується для запобігання надлишковому оснащенню?
   • Зняття функції втрат
   • Обмеження глибини дерева та підвибірка рядків/об’єктів
   • Завжди використовуйте швидкість навчання рівну 1,0
   • Навчання нескінченної кількості дерев
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