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. Какой эффект может произойти при использовании L2 регуляризации?

 Увеличение размерности модели

 Увеличение весов модели

 Уменьшение разброса модели

 Отбор признаков

2. Как выбрать коэффициент регуляризации?

 Методом градиентного спуска

 Методом наименьших квадратов

 Экспериментальным путем

 Нельзя выбрать коэффициент регуляризации

3. Что такое L1 регуляризация?

 Регуляризация, которая не используется в машинном обучении

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

 Регуляризация, которая добавляет к функции потерь модели логарифмическую сумму весов

 Регуляризация, которая добавляет к функции потерь модели квадратичную сумму весов

4. Какая регуляризация более устойчива к выбросам?

 L1

 L2

 Регуляризация никак не связана с выбросами

 Обе одинаково устойчивы

5. Какую задачу решает регуляризация в машинном обучении?

 Повышение обобщающей способности модели

 Уменьшение размерности модели

 Уменьшение ошибки предсказания модели

 Увеличение размерности модели

6. Каковы основные цели использования регуляризации?

 Нет особых целей, регуляризация используется для увеличения сложности модели

 Увеличение количества признаков и уменьшение времени обучения модели

 Увеличение весов модели и уменьшение разброса модели

 Уменьшение переобучения модели и повышение ее обобщающей способности

7. Какой эффект может произойти при использовании L1 регуляризации?

 Увеличение размерности модели

 Отбор признаков

 Уменьшение разброса модели

 Увеличение весов модели

8. Можно ли использовать L1 и L2 регуляризацию одновременно?

 Это зависит от дисперсии данных

 Это зависит от распределения данных

 Нет

 Да

9. Какая регуляризация более склонна к отбору признаков?

 L2

 Обе одинаково склонны

 Регуляризация не связана с отбором признаков

 L1

10. Что такое L2 регуляризация?

 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 квадратичную сумму весов

 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