Открытый опрос по основам машинного обучения (L1 и L2 регуляризация.)

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 L1 и L2 регуляризация.

Открытый опрос по основам машинного обучения (L1 и L2 регуляризация)

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

1. Каковы основные цели использования регуляризации?

 Увеличение весов модели и уменьшение разброса модели

 Увеличение количества признаков и уменьшение времени обучения модели

 Нет особых целей, регуляризация используется для увеличения сложности модели

 Уменьшение переобучения модели и повышение ее обобщающей способности

2. Как выбрать коэффициент регуляризации?

 Нельзя выбрать коэффициент регуляризации

 Методом наименьших квадратов

 Методом градиентного спуска

 Экспериментальным путем

3. Что такое L2 регуляризация?

 Регуляризация, которая добавляет к функции потерь модели квадратичную сумму весов

 Регуляризация, которая добавляет к функции потерь модели логарифмическую сумму весов

 Регуляризация, которая не используется в машинном обучении

 Регуляризация, которая добавляет к функции потерь модели сумму абсолютных значений весов

4. Какой эффект может произойти при использовании L2 регуляризации?

 Отбор признаков

 Увеличение размерности модели

 Уменьшение разброса модели

 Увеличение весов модели

5. Какую задачу решает регуляризация в машинном обучении?

 Увеличение размерности модели

 Уменьшение размерности модели

 Повышение обобщающей способности модели

 Уменьшение ошибки предсказания модели

6. Можно ли использовать L1 и L2 регуляризацию одновременно?

 Да

 Нет

 Это зависит от дисперсии данных

 Это зависит от распределения данных

7. Какая регуляризация более склонна к отбору признаков?

 Обе одинаково склонны

 L2

 Регуляризация не связана с отбором признаков

 L1

8. Какая регуляризация более устойчива к выбросам?

 Обе одинаково устойчивы

 Регуляризация никак не связана с выбросами

 L1

 L2

9. Какой эффект может произойти при использовании L1 регуляризации?

 Уменьшение разброса модели

 Увеличение размерности модели

 Увеличение весов модели

 Отбор признаков

10. Что такое L1 регуляризация?

 Регуляризация, которая добавляет к функции потерь модели квадратичную сумму весов

 Регуляризация, которая добавляет к функции потерь модели сумму абсолютных значений весов

 Регуляризация, которая не используется в машинном обучении

 Регуляризация, которая добавляет к функции потерь модели логарифмическую сумму весов

 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