Phương pháp tập hợp và bài kiểm tra tăng cường độ dốc

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

1. Hoạt động cốt lõi trong một phương pháp tập hợp là gì?
   • Combining predictions from multiple models
   • Sử dụng một mô hình rất lớn thay vì nhiều mô hình nhỏ
   • Đào tạo một mô hình trên càng nhiều dữ liệu càng tốt
   • Loại bỏ tất cả người học yếu khỏi mô hình
2. Tăng cường độ dốc khác với việc đóng bao trong thiết lập đào tạo thông thường như thế nào?
   • Tăng cường cây xanh song song; đóng gói huấn luyện chúng một cách tuần tự
   • Boosting adds learners sequentially; independently fitted bagging learners can be trained in parallel
   • Tính năng tăng cường chỉ hoạt động trên hình ảnh; chỉ đóng gói trên văn bản
   • Chúng giống hệt nhau trong thực tế
3. Trong quá trình tăng cường độ dốc, cây mới xấp xỉ mục tiêu nào?
   • Nhãn thô ban đầu
   • Chỉ một tập hợp con ngẫu nhiên của các tính năng
   • The negative gradient of the current loss, often called a pseudo-residual
   • Giá trị trung bình của tất cả các cây trước đó
4. Hiệu quả có thể có của việc sử dụng tốc độ học tập nhỏ hơn trong việc thúc đẩy là gì?
   • Để tăng kích thước của mỗi cây
   • Để xóa những cây hoạt động kém
   • Để chuyển đổi cây thành mạng lưới thần kinh
   • It can make updates more gradual and may require more trees
5. Loại đầu vào nào được sử dụng trong các ví dụ và nghiên cứu về cây tăng cường độ dốc được trích dẫn?
   • Structured or tabular data
   • Hình ảnh có độ phân giải cao
   • Dạng sóng âm thanh thô
   • Tài liệu ngôn ngữ tự nhiên dài
6. Kỹ thuật chính quy hóa phổ biến nào được sử dụng để tiếp tục tăng cường không bị trang bị quá mức?
   • Loại bỏ chức năng mất
   • Giới hạn độ sâu của cây và các hàng/đối tượng lấy mẫu con
   • Luôn sử dụng tỷ lệ học chính xác là 1.0
   • Đào tạo vô số cây
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