Основы машинного обучения_Машинное обучение Python — Н_МОн-КБ-242309/28

Скачать тест — (Основы машинного обучения_Машинное обучение Python_39096bda.pdf)

1. Что такое обучение с учителем?:
2. Что такое линейная регрессия?
3. Что представляет собой прямой (forward) и обратный (backward) ход в контексте линейной регрессии?
4. Какие типы переменных присутствуют в линейной регрессии?
5. Как записывается уравнение линейной регрессии для одной независимой переменной?
6. Что означают символы в уравнении линейной регрессии?
7. Как интерпретировать коэффициент наклона (a) в уравнении линейной регрессии?
8. Как интерпретировать свободный член (b) в уравнении линейной регрессии?
9. Если у нас есть набор данных с результатами экзаменов (зависимая переменная) и временем, проведенным на подготовку (независимая переменная), какое уравнение линейной регрессии мы можем использовать для предсказания оценок?
10. Какую роль играет функция потерь в задаче линейной регрессии?
11. Какие виды функций потерь часто используются в линейной регрессии с регуляризацией?
12. Для чего обычно используется разделение данных на тренировочный и тестовый наборы?
13. Какие проблемы могут возникнуть при обучении модели на тренировочных данных?
14. Какой эффект оказывает L1 регуляризация на коэффициенты модели в линейной регрессии?
15. Что происходит, когда модель слишком хорошо подстраивается под тренировочные данные?
16. Как можно охарактеризовать модель, которая недостаточно адаптировалась к тренировочным данным?
17. Какие методы могут помочь снизить риск переобучения модели?
18. Какой метод используется для импорта модели линейной регрессии из scikit-learn?
19. Как можно разделить данные на обучающий и тестовый наборы с использованием scikit-learn?
20. Как получить коэффициенты наклона и пересечения после обучения линейной регрессии в scikit-learn?
21. Как оценить производительность модели линейной регрессии с использованием среднеквадратичной ошибки (MSE) в scikit-learn?
22. Как использовать модель линейной регрессии для предсказания новых значений?
23. Как выполнить регуляризацию при обучении линейной регрессии в scikit-learn?
24. Что представляют собой гиперпараметры в контексте модели машинного обучения?
25. Каким образом можно задать регуляризацию L1 при обучении линейной регрессии в scikit-learn?
26. Какова роль learning rate в градиентном спуске?
27. Что происходит в случае, если learning rate слишком большой в градиентном спуске?
28. Какой критерий остановки может использоваться в градиентном спуске?