فیصلے کے درخت اور بے ترتیب جنگلات کوئز

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

1. فیصلے کا درخت کیسے پیشین گوئی کرتا ہے؟
   • ایک تصویر میں تمام پکسلز کی اوسط سے
   • زبانوں کے درمیان متن کا ترجمہ کرکے
   • تصادفی طور پر ہر بار اندازہ لگا کر
   • ہاں/نہیں سوالات کے سلسلے کی پیروی کرکے ایک پتے تک
2. ایک واحد، گہرے فیصلے کے درخت کی بنیادی کمزوری کیا ہے؟
   • یہ نمبروں کو سنبھال نہیں سکتا
   • یہ تربیت کے اعداد و شمار میں شور کو اوور فٹ اور حفظ کرنے کا رجحان رکھتا ہے۔
   • یہ صرف ٹیکسٹ آؤٹ پٹ کر سکتا ہے۔
   • اسے چلانے کے لیے ایک GPU کی ضرورت ہے۔
3. How does a random forest combine the predictions of its constituent trees?
   • By aggregating predictions, such as class votes or probabilities
   • By using exactly one tree and discarding every other output
   • By converting all trees into one fixed training row
   • By guaranteeing that all individual errors cancel
4. What sampling operation does bagging use when constructing conventional bootstrap training sets?
   • Sorting rows only by filename
   • Permanently deleting all numerical features
   • Drawing training rows with replacement
   • Assigning exactly one unique row to every tree
5. درجہ بندی کے درخت عام طور پر تقسیم کو منتخب کرنے کے لیے کون سا میٹرک استعمال کرتے ہیں؟
   • پکسل کی چمک
   • جنی نجاست یا اینٹروپی
   • آڈیو فریکوئنسی
   • الفاظ کی گنتی
6. Which named system is described in the paper A Scalable Tree Boosting System?
   • فوٹوشاپ
   • ایف ایف ایم پی ای جی
   • کوبرنیٹس
   • XGBoost
7. Which random-forest mechanism varies candidate input features at a split rather than resampling training rows?
   • Bootstrap row sampling alone
   • Alphabetical label sorting
   • Random feature-subset selection
   • A guarantee of identical splits in every tree
8. For a training row in a bootstrap forest, which trees should contribute to its out-of-bag prediction?
   • Trees whose bootstrap samples omitted that row
   • Only trees whose samples included that row at least twice
   • Every tree regardless of whether it trained on the row
   • A required newly trained tree using only that row