Машинное обучение.sa_ИсслД

Скачать тест — (Машинное обучение.sa_ИсслД_7f185589.pdf)

1. Математическая модель, описывающая зависимость переменной от одной или нескольких других переменных – это ……
2. Упорядочите этапы процесса линейной регрессии:
3. Какой из следующих примеров является задачей, решаемой с помощью линейной регрессии?
4. Для измерения средней абсолютной ошибки используется метрика-
5. Что такое смещение в контексте линейных моделей?
6. Какая метрика используется для измерения плотности предсказаний в регрессии?
7. Какая задача решается с помощью уменьшения размерности признаков?
8. Признаки, что принимают любое значение в определенном диапазоне называются — ……..
9. Почему важно обрабатывать пропуски в данных?
10. Скорость изменения функции потерь в градиентном спуске называется ……….
11. Алгоритм ………. использует адаптивный подход для обработки редких признаков.
12. Упорядочите методы регуляризации по их типам:
13. Какой из следующих параметров в регуляризации Ridge отвечает за степень штрафа?
14. Приведение данных к определенному диапазону – это …….
15. Почему масштабирование данных полезно при использовании алгоритмов машинного обучения?
16. Метод …………. применяется для масштабирования данных
17. Упорядочите методы кодирования по их устойчивости к переобучению
18. ……. Работает таким образом , что преобразует категорию в порядковое число и затем в его бинарное представление.
19. Упорядочите этапы процесса рекурсивного устранения функций:
20. Метод ………. позволяет оценить важность признаков без их использования в предварительной модели
21. Упорядочите этапы процесса прямого выбора признаков:
22. Какой способ наиболее верный для выбора модели на основе её способности к обобщению?
23. Какое из следующих утверждений верно относительно интерпретации коэффициента в множественной регрессии?
24. Какой из нижеперечисленных методов является линейным классификатором?
25. Что такое случайный лес?
26. Функцию активации ……. чаще всего используют на выходном слое нейронной сети в задаче бинарной классификации
27. Как можно бороться с проблемой несбалансированности классов в k-NN?
28. ……………. сложность вычислений присуща методу k-NN на больших наборах данных
29. Как изменится F1-мера, если точность высокая, а полнота низкая?
30. Почему важно оценивать модель на тестовом наборе данных?
31. Какой из следующих подходов подходит для уменьшения переобучения?
32. Что произойдет с гиперплоскостью, если добавить к классификатору регуляризацию?
33. Упорядочите шаги для оценки производительности линейного классификатора.
34. Зачем нужно стандартизировать признаки перед использованием логистической регрессии?
35. Как можно оценить качество модели логистической регрессии?
36. Почему логистическая регрессия является линейным классификатором?
37. Какой из следующих методов чувствителен к правильной настройке порогов?
38. Метод ……. легче дооптимизировать при наличии новых данных
39. Соответствие между типами задач линейных классификаторов и их свойствами:
40. Установите соответствие между проблемами линейных классификаторов и методами их решения:
41. Упорядочьте действия для работы с нелинейно разделёнными данными:
42. Какой из следующих показателей является графическим представлением качества бинарной классификации?
43. Какой из следующих показателей описывает долю правильно классифицированных положительных примеров?
44. Какой из следующих методов классификации является метрическим методом?
45. В методе k-ближайших соседей выбор соседей производится на основании меры ………
46. Какой из следующих методов является примером алгоритма, основанного на использовании ядер?
47. Установите соответствие между методом кластеризации и его характеристикой:
48. Алгоритм, который использует плотность для формирования кластеров, называется ………
49. Как называется техника, которая использует расстояния для агрегирования данных в кластеры в методе иерархической кластеризации?
50. При помощи метода ближайших соседей можно легко классифицировать ………
51. Установите соответствие между методом кластеризации и его характеристикой:
52. Какой из следующих методов можно комбинировать со случайными проекциями для улучшения качества модели?
53. Наличие «шума» при использовании метода случайных проекций …………. надежность метода
54. Могут ли случайные проекции изменить внутренние корреляции в данных?
55. Какой метод используется для оценки важности каждой главной компоненты?
56. Чем является каждая главная компонента в методе PCA?
57. Как PCA поможет справиться с мультиколлинеарностью признаков?
58. Что происходит с размерностью данных после применения PCA?
59. Установите соответствие между методом и его характеристикой:
60. Процесс оптимизации в t-SNE включает в себя минимизацию …………… функции.
61. Для какого типа данных наиболее полезно использовать визуализацию?
62. Какой из следующих методов позволяет использовать различные виды ядер в SVM?
63. Одна из причин, по которой используются нелинейные ядра, заключается в …………… размерности пространства признаков.
64. Сглаживание функций ядра помогает уменьшить …………… в данных.
65. Какой алгоритм классификации часто используется в задачах на MNIST?
66. Как поступают с пикселями изображений MNIST для подачи в нейронные сети?
67. Линейная функция активации чаще всего используется для такого типа задач
    как …..
68. Что из нижеописанного иллюстрирует работу линейного слоя?
69. Чем характеризуется Leaky ReLU по сравнению с обычным ReLU?
70. Что такое функция ошибки в контексте машинного обучения?
71. Как называется метод, который используется для минимизации функции ошибки в нейросетях?
72. Упорядочите этапы работы с гиперпараметрами в Keras Tuner:
73. Упорядочите шаги использования Dropout в модели:
74. Упорядочите этапы использования Batch Normalization:
75. Связь между наблюдениями в одном временном ряду это — ….
76. Определение конкретных вопросов для анализа временных данных, в контексте анализа временных рядов это — …..
77. Какова основная причина, по которой мы используем логарифмическое преобразование временного ряда?
78. Какой из следующих методов подходит для проверки наличия гетероскедастичности?
79. Если временной ряд показывает явный тренд, что необходимо сделать перед его анализом?
80. Установите соответствие между подходами и их применением в рекомендательных системах:
81. Установите соответствие между типами данных и методами их обработки в рекомендательных системах:
82. Метрика, которая вычисляется как корень из средней квадратичной ошибки, называется …
83. Установите соответствие между методами и их применением:
84. Упорядочите этапы работы с метриками качества в рекомендательных системах:
85. Какой метод отбора признаков используется в жадном подходе для постепенного добавления признаков?
86. Какой алгоритм можно использовать для оценки важности признаков в ансамблях алгоритмов?
87. Что происходит, если отобрать слишком много признаков в модели машинного обучения?
88. Отбор признаков с использованием оценки корреляции признаков с целевой переменной называется …
89. Упорядочите этапы применения метода Forward selection:
90. Параметры, которые фиксируются перед обучением модели в контексте машинного обучения это ……
91. Какую роль играют гиперпараметры в модели машинного обучения?
92. Какой фреймворк используется для поиска наилучших параметров с помощью случайного выбора в Python?
93. Какую цель преследует использование фреймворков GridSearch и RandomSearch?
94. Какой из фреймворков используется для оптимизации гиперпараметров с использованием байесовских методов?
95. Установите соответствие между методами и их особенностями:
96. Упорядочите этапы создания векторных представлений слов с использованием Word2Vec:
97. Установите соответствие между методами представления слов и их особенностями:
98. Какая из задач NLP является задачей перевода текста с одного языка на другой?
99. Какой из методов используется для извлечения именованных сущностей из текста?
100. Установите соответствие между задачами и методами их решения:
101. Какая из следующих проблем не связана с подбором гиперпараметров?