Открытый опрос по основам машинного обучения (Дерево решений)

Чтобы сделать самостоятельное изучение машинного обучения еще более интересным, сегодня мы предлагаем вам общий комплексный тест по основам машинного обучения. В данном тесте проверим знания по такой теме как дерево решений.

Открытый опрос по основам машинного обучения (Дерево решений)

Выбирайте из предложенных вариантов тот, который считаете верным. Правильный ответ с объяснением вы узнаете после того, как нажмете кнопку ОТПРАВИТЬ. Успехов!

1. Каким образом дерево решений выбирает наилучший признак для разделения?

 Методом наименьших квадратов

 Методом случайного выбора признаков

 Методом градиентного спуска

 Методом информационного выигрыша

2. Каким образом дерево решений может быть визуализировано?

 С помощью диаграммы дерева решений

 С помощью круговой диаграммы

 С помощью гистограммы

 С помощью графика рассеяния (scatter plot)

3. Какой из следующих методов может быть использован для улучшения работы дерева решений на несбалансированных данных?

 Использование ансамблевых методов, таких как случайный лес (random forest)

 Использование алгоритмов обрезки дерева

 Использование взвешенных функций ошибки

 Увеличение размера обучающей выборки

4. Какой критерий используется для разбиения узла дерева решений?

 Наибольшее увеличение неопределенности (largest increase in uncertainty)

 Наибольшее уменьшение неопределенности (largest reduction in uncertainty)

 Наименьшее увеличение неопределенности (smallest increase in uncertainty)

 Наименьшее уменьшение неопределенности (smallest reduction in uncertainty)

5. Способно ли дерево решений обрабатывать отсутствующие значения (missing values)?

 Только если пропущенное значение это численные данные

 Только если пропущенное значение это категориальные данные

 Нет

 Да

6. Каким образом решают проблему переобучения при обучении деревьев решений?

 Путем уменьшения количества признаков

 Путем увеличения глубины дерева

 Путем уменьшения количества объектов в обучающей выборке

 Путем использования алгоритмов обрезки дерева или ограничения глубины дерева

7. Каким образом дерево решений может использоваться для отбора признаков (feature selection)?

 Путем случайного выбора признаков

 Путем увеличения количества признаков

 Путем ручного выбора наиболее важных признаков

 Путем исключения признаков с низким информационным выигрышем

8. Что такое лист дерева решений?

 Корень дерева решений

 Узел дерева решений, который имеет только одного потомка

 Узел дерева решений, который не имеет потомков

 Узел дерева решений, который имеет потомков

9. Какие типы задач можно решить с помощью дерева решений?

 Прогнозирование временных рядов и нейронные сети

 Кластеризация и ассоциативные правила

 Распознавание образов и генетические алгоритмы

 Классификация и регрессия

10. Что такое дерево решений?

 Метод решения математических уравнений

 Функция активации для нейронной сети

 Оптимизационный алгоритм

 Алгоритм машинного обучения

 Загрузка …

Стоит отметить, что данный тест не является профессиональным экзаменом. Однако, такое небольшое упражнение поможет новичкам, которые самостоятельно изучают машинное обучение, пытаясь разобраться с огромным объемом новой информации, систематизировать ее и применить к решению практических задач.

Если вы заинтересованы в изучении машинного обучения на языке Python и хотите быть в курсе последних методов и инструментов, мы рекомендуем посетить наш лицензированный учебный центр в Москве, который специализируется на обучении ИТ-специалистов. Там вы сможете пройти практический курс «Машинное обучение на Python«.

Записаться на курс

Смотреть раcписание