Table of Contents[Kache][Montre]
- 1. Eksplike diferans ki genyen ant aprantisaj machin, entèlijans atifisyèl, ak aprantisaj pwofon.
- 2. Tanpri dekri diferan kalite aprantisaj machin yo.
- 3. Ki sa ki patipri kont divèjans komès?
- 4. Algoritm aprantisaj machin yo te evolye anpil sou tan. Ki jan yon moun chwazi bon algorithm pou itilize bay yon seri done?
- 5. Ki jan kovarans ak korelasyon diferan?
- 6. Nan aprantisaj machin, ki sa clustering vle di?
- 7. Ki algorithm aprantisaj machin ou pi pito?
- 8. Regression lineyè nan aprantisaj machin: ki sa li ye?
- 9. Dekri diferans ki genyen ant gwoupman KNN ak k-means.
- 10. Kisa "seleksyon patipri" vle di pou ou?
- 11. Ki sa egzakteman teyorèm Bayes la ye?
- 12. Nan yon Modèl Aprantisaj Machin, kisa 'Ansanm Fòmasyon' ak 'Ansanm Tès' ye?
- 13. Ki sa ki se yon ipotèz nan aprantisaj machin?
- 14. Ki sa sa vle di aprantisaj machin twòp, e ki jan yo ka anpeche li?
- 15. Ki sa egzakteman klasifikatè Naive Bayes yo ye?
- 16. Kisa Fonksyon Pri ak Fonksyon Pèt vle di?
- 17. Ki sa ki distenge yon modèl jeneratif ak yon modèl diskriminatif?
- 18. Dekri varyasyon ki genyen ant erè Tip I ak Tip II.
- 19. Nan aprantisaj machin, ki sa ki teknik aprantisaj Ensemble?
- 20. Ki sa ki ekzakteman modèl parametrik? Bay yon egzanp.
- 21. Dekri filtraj kolaborasyon. Osi byen ke kontni ki baze sou filtraj?
- 22. Ki sa egzakteman ou vle di nan seri a Time?
- 23. Dekri varyasyon ant ranfòsman gradyan ak algorithm Random Forest yo.
- 24. Poukisa ou bezwen yon matris konfizyon? Kisa li ye?
- 25. Ki sa egzakteman se yon analiz eleman prensip?
- 26. Poukisa wotasyon konpozan tèlman enpòtan pou PCA (analiz eleman prensipal)?
- 27. Ki jan regilarize ak nòmalizasyon diferan youn ak lòt?
- 28. Ki jan nòmalizasyon ak normalisation diferan youn ak lòt?
- 29. Kisa egzakteman "faktè enflasyon varyasyon" vle di?
- 30. Dapre gwosè seri fòmasyon an, ki jan ou chwazi yon klasifikasyon?
- 31. Ki algorithm nan aprantisaj machin yo refere yo kòm "aprann parese" e poukisa?
- 32. Kisa Koub ROC ak AUC ye?
- 33. Kisa ipèparamèt yo ye? Ki sa ki fè yo inik nan paramèt modèl yo?
- 34. Kisa F1 Score, sonje, ak presizyon vle di?
- 35. Ki sa egzakteman kwa-validasyon ye?
- 36. Ann di ou dekouvri ke modèl ou a gen yon diferans enpòtan. Ki algorithm, nan opinyon ou, ki pi apwopriye pou jere sitiyasyon sa a?
- 37. Ki sa ki fè distenksyon ant regresyon Ridge ak regresyon Lasso?
- 38. Ki sa ki pi enpòtan: pèfòmans modèl oswa presizyon modèl? Kiyès e poukisa ou pral favorize li?
- 39. Ki jan ou ta jere yon seri done ki gen inegalite?
- 40. Ki jan ou ka fè distenksyon ant ranfòse ak sak?
- 41. Eksplike diferans ki genyen ant aprantisaj endiktif ak dediktif.
- konklizyon
Biznis yo ap itilize teknoloji dènye kri, tankou entèlijans atifisyèl (AI) ak aprantisaj machin, pou ogmante aksè nan enfòmasyon ak sèvis pou moun.
Teknoloji sa yo ap adopte pa yon varyete endistri, tankou bank, finans, Yo Vann an Detay, fabrikasyon, ak swen sante.
Youn nan wòl òganizasyon ki pi recherché yo itilize AI se pou syantis done, enjenyè entèlijans atifisyèl, enjenyè aprantisaj machin, ak analis done.
Pòs sa a pral mennen ou atravè yon varyete aprantisaj machin kesyon entèvyou, soti nan debaz rive nan konplèks, pou ede w pare pou nenpòt kesyon yo ta ka poze w lè w ap chèche travay ideyal ou.
1. Eksplike diferans ki genyen ant aprantisaj machin, entèlijans atifisyèl, ak aprantisaj pwofon.
Entèlijans atifisyèl anplwaye yon varyete de aprantisaj machin ak apwòch aprantisaj pwofon ki pèmèt sistèm òdinatè fè travay ki itilize entèlijans ki sanble ak moun ak lojik ak règ.
Aprantisaj machinn itilize yon varyete estatistik ak apwòch Deep Learning pou pèmèt machin yo aprann nan pèfòmans anvan yo epi vin pi konpetan nan fè sèten travay poukont yo san sipèvizyon moun.
Deep Learning se yon koleksyon algoritm ki pèmèt lojisyèl an aprann nan men tèt li epi pote soti nan yon varyete fonksyon komèsyal, tankou rekonesans vwa ak foto.
Sistèm ki ekspoze plizyè kouch yo rezo neral a gwo kantite done pou aprann yo kapab fè aprantisaj pwofon.
2. Tanpri dekri diferan kalite aprantisaj machin yo.
Aprantisaj machin egziste nan twa kalite diferan:
- Aprantisaj Sipèvize: Yon modèl kreye prediksyon oswa jijman lè l sèvi avèk done ki make oswa istorik nan aprantisaj machin sipèvize. Ansanm done ki te make oswa make yo nan lòd yo ogmante siyifikasyon yo refere yo kòm done ki make.
- Aprantisaj san sipèvizyon: Nou pa gen enfòmasyon ki make pou aprantisaj san sipèvizyon. Nan done yo fèk ap rantre, yon modèl ka jwenn modèl, bizarre, ak korelasyon.
- Ranfòsman Aprantisaj: Modèl la kapab aprann lè l sèvi avèk ranfòsman aprantisaj ak rekonpans li te resevwa pou konpòtman anvan li.
3. Ki sa ki patipri kont divèjans komès?
Overfitting se yon rezilta nan patipri, ki se degre nan ki yon modèl adapte done yo. Patipri se koze pa kòrèk oswa twò senp sipozisyon nan ou algorithm aprantisaj machin.
Diferans refere a erè ki te koze pa konpleksite nan algorithm ML ou a, ki pwodui sansiblite nan gwo degre nan divèjans nan done fòmasyon ak overfitting.
Diferans se konbyen yon modèl varye depandan sou entrées.
Nan lòt mo, modèl debaz yo trè prejije men ki estab (divèjans ki ba). Overfitting se yon pwoblèm ak modèl konplèks, byenke yo kanmenm kaptire reyalite modèl la (ba patipri).
Yo nan lòd yo anpeche tou de gwo varyasyon ak gwo patipri, yon komès-off ant patipri ak divèjans nesesè pou pi bon rediksyon erè.
4. Algoritm aprantisaj machin yo te evolye anpil sou tan. Ki jan yon moun chwazi bon algorithm pou itilize bay yon seri done?
Teknik aprantisaj machin ki ta dwe itilize sèlman depann sou kalite done ki nan yon seri done espesifik.
Lè done yo lineyè, yo itilize regression lineyè. Metòd sak la ta fè pi byen si done yo endike ki pa lineyè. Nou ka itilize pyebwa desizyon oswa SVM si done yo dwe evalye oswa entèprete pou rezon komèsyal yo.
Rezo neral ta ka itil pou jwenn yon repons egzat si seri done a gen ladan foto, videyo, ak odyo.
Chwa algorithm pou yon sikonstans espesifik oswa koleksyon done pa ka fèt jis sou yon sèl mezi.
Pou objektif pou devlope metòd ki pi bon an, nou dwe premye egzamine done yo lè l sèvi avèk analiz done eksplorasyon (EDA) epi konprann objektif pou itilize done yo.
5. Ki jan kovarans ak korelasyon diferan?
Covariance evalye ki jan de varyab yo konekte youn ak lòt ak ki jan youn ta ka chanje an repons a chanjman nan lòt la.
Si rezilta a pozitif, li endike ke gen yon lyen dirèk ant varyab yo ak ke youn ta monte oswa diminye ak yon ogmantasyon oswa diminisyon nan varyab debaz la, sipoze ke tout lòt kondisyon yo rete konstan.
Korelasyon mezire lyen ki genyen ant de varyab o aza epi li gen sèlman twa valè diferan: 1, 0, ak -1.
6. Nan aprantisaj machin, ki sa clustering vle di?
Metòd aprantisaj san sipèvizyon ki gwoup pwen done ansanm yo rele clustering. Avèk yon koleksyon pwen done, yo ka aplike teknik clustering la.
Ou ka gwoupe tout pwen done yo dapre fonksyon yo lè l sèvi avèk estrateji sa a.
Karakteristik ak kalite pwen done ki tonbe nan menm kategori a sanble, pandan ke pwen done ki tonbe nan gwoupman separe yo diferan.
Apwòch sa a ka itilize pou analize done estatistik.
7. Ki algorithm aprantisaj machin ou pi pito?
Ou gen chans pou demontre preferans ou ak talan inik nan kesyon sa a, osi byen ke konesans konplè ou nan anpil teknik aprantisaj machin.
Men kèk algoritm aprantisaj machin tipik pou reflechi sou:
- Retou annaryè lineyè
- Regression lojistik
- Bay nayif
- Pye bwa desizyon
- K vle di
- Algorithm forè o aza
- K-vwazen ki pi pre (KNN)
8. Regression lineyè nan aprantisaj machin: ki sa li ye?
Yon algorithm aprantisaj machin sipèvize se regression lineyè.
Yo itilize li nan analiz prediksyon pou detèmine koneksyon lineyè ant varyab depandan ak endepandan yo.
Ekwasyon regression lineyè a se jan sa a:
Y = A + BX
kote:
- D 'oswa varyab endepandan yo rele X.
- Varyab depandan oswa pwodiksyon an se Y.
- Koefisyan X a se b, ak entèsepte li se a.
9. Dekri diferans ki genyen ant gwoupman KNN ak k-means.
Distenksyon prensipal la se ke KNN (yon metòd klasifikasyon, aprantisaj sipèvize) bezwen pwen ki make alòske k-vle di pa fè (algorithm clustering, aprantisaj san sipèvizyon).
Ou ka klase done ki gen etikèt nan yon pwen ki pa gen etikèt lè w itilize K-Nearest Neighbors. K-means clustering itilize distans mwayèn ant pwen yo pou aprann kijan pou gwoupe pwen ki pa gen etikèt.
10. Kisa "seleksyon patipri" vle di pou ou?
Patipri nan faz echantiyon yon eksperyans se akòz erè estatistik.
Yon gwoup echantiyon yo chwazi pi souvan pase lòt gwoup yo nan eksperyans la kòm yon rezilta inexactitude a.
Si yo pa rekonèt patipri seleksyon an, sa ka lakòz yon konklizyon ki pa kòrèk.
11. Ki sa egzakteman teyorèm Bayes la ye?
Lè nou konnen lòt pwobabilite, nou ka detèmine yon pwobabilite lè l sèvi avèk teyorèm Bayes. Li ofri pwobabilite a posterior pou yon ensidan ki baze sou enfòmasyon anvan, nan lòt mo.
Teyorèm sa a bay yon bon metòd pou estime pwobabilite kondisyonèl yo.
Lè w ap devlope pwoblèm modèl prediksyon klasifikasyon ak adapte yon modèl nan yon fòmasyon dataset nan aprantisaj machin, Yo aplike teyorèm Bayes (sa vle di Naive Bayes, Bayes Optimal Classifier).
12. Nan yon Modèl Aprantisaj Machin, kisa 'Ansanm Fòmasyon' ak 'Ansanm Tès' ye?
Seri fòmasyon:
- Ansanm fòmasyon an konsiste de egzanp ke yo voye nan modèl la pou analiz ak aprantisaj.
- Sa a se done ki make yo ke yo pral itilize pou fòme modèl la.
- Tipikman, 70% nan done total yo itilize kòm dataset fòmasyon an.
seri tès:
- Yo itilize seri tès la pou evalye presizyon jenerasyon ipotèz modèl la.
- Nou teste san done ki make epi nou itilize etikèt pou konfime rezilta yo.
- 30% ki rete yo itilize kòm yon seri done tès.
13. Ki sa ki se yon ipotèz nan aprantisaj machin?
Machine Learning pèmèt itilizasyon done ki egziste deja yo pou pi byen konprann yon fonksyon bay ki lye antre ak pwodiksyon. Sa a se ke yo rekonèt kòm apwoksimasyon fonksyon.
Nan ka sa a, yo dwe itilize apwoksimasyon pou fonksyon sib enkoni a pou transfere tout obsèvasyon posib ki baze sou sitiyasyon yo bay nan pi bon fason posib.
Nan aprantisaj machin, yon ipotèz se yon modèl ki ede estime fonksyon sib la epi ranpli kat antre-a-sòti ki apwopriye yo.
Seleksyon ak konsepsyon algoritm pèmèt pou definisyon espas ipotèz posib ki ka reprezante pa yon modèl.
Pou yon sèl ipotèz, yo itilize miniskil h (h), men yo itilize h majiskil (H) pou tout espas ipotèz y ap chèche a. Nou pral yon ti tan revize notasyon sa yo:
- Yon ipotèz (h) se yon modèl patikilye ki fasilite kat antre nan pwodiksyon, ki kapab imedyatman itilize pou evalyasyon ak prediksyon.
- Yon seri ipotèz (H) se yon espas ipotèz ki ka fè rechèch ki ka itilize pou kat antre nan rezilta yo. Ankadreman pwoblèm, modèl, ak konfigirasyon modèl yo se kèk egzanp limit jenerik.
14. Ki sa sa vle di aprantisaj machin twòp, e ki jan yo ka anpeche li?
Lè yon machin eseye aprann nan yon seri done ensifizan, overfitting rive.
Kòm yon rezilta, overfitting se envès korelasyon ak volim done. Apwòch validasyon kwa a pèmèt yo evite surfitting pou ti seri done. Yon seri done divize an de pati nan metòd sa a.
Ansanm done pou tès ak fòmasyon ap gen de pati sa yo. Yo itilize done fòmasyon an pou kreye yon modèl, pandan y ap itilize done tès la pou evalye modèl la lè l sèvi avèk diferan entrées.
Sa a se ki jan yo anpeche overfitting.
15. Ki sa egzakteman klasifikatè Naive Bayes yo ye?
Metòd klasifikasyon divès kalite fè klasifikasyon Naive Bayes yo. Yon seri algorithm ke yo rekonèt kòm klasifikasyon sa yo tout travay sou menm lide fondamantal.
Sipozisyon klasifikasyon Bayes nayif yo fè se ke prezans oswa absans yon karakteristik pa gen okenn rapò sou prezans oswa absans yon lòt karakteristik.
Nan lòt mo, sa a se sa nou refere yo kòm "nayif" paske li fè sipozisyon ke chak atribi dataset egalman enpòtan ak endepandan.
Klasifikasyon fèt ak klasifikasyon Bayes nayif. Yo senp pou itilize epi pwodui pi bon rezilta pase prediktè ki pi konplèks lè prensip endepandans la vre.
Nan analiz tèks, filtrage spam, ak sistèm rekòmandasyon, yo ap travay.
16. Kisa Fonksyon Pri ak Fonksyon Pèt vle di?
Fraz "fonksyon pèt la" refere a pwosesis la nan pèt informatique lè se sèlman yon moso nan done yo pran an kont.
Okontrè, nou itilize fonksyon pri a pou detèmine kantite total erè pou anpil done. Pa gen okenn distenksyon enpòtan.
Nan lòt mo, tandiske fonksyon pri total diferans lan pou tout seri done fòmasyon an, fonksyon pèt yo fèt pou kaptire diferans ki genyen ant valè aktyèl ak valè prevwa pou yon dosye sèl.
17. Ki sa ki distenge yon modèl jeneratif ak yon modèl diskriminatif?
Yon modèl diskriminasyon aprann diferans ki genyen ant plizyè kategori done. Yon modèl jeneratif chwazi diferan kalite done.
Sou pwoblèm klasifikasyon, modèl diskriminasyon souvan depase lòt modèl.
18. Dekri varyasyon ki genyen ant erè Tip I ak Tip II.
Fo pozitif yo tonbe nan kategori erè tip I, tandiske fo negatif yo ale anba erè tip II (reklame pa gen anyen ki rive lè li aktyèlman).
19. Nan aprantisaj machin, ki sa ki teknik aprantisaj Ensemble?
Yon teknik ki rele aprantisaj ansanbl melanje anpil modèl aprantisaj machin pou pwodui modèl ki pi pisan.
Yon modèl ka varye pou plizyè rezon. Plizyè kòz yo se:
- Divès Popilasyon
- Divès Ipotèz
- Divès metòd modèl
Nou pral rankontre yon pwoblèm pandan w ap itilize fòmasyon ak done tès modèl la. Patipri, divèjans, ak erè ireductible se kalite posib erè sa a.
Koulye a, nou rele balans sa a ant patipri ak divèjans nan modèl la yon komès patipri-divèjans, epi li ta dwe toujou egziste. Konpwomi sa a reyalize grasa itilizasyon aprantisaj ansanbl.
Malgre ke gen plizyè apwòch ansanbl ki disponib, gen de estrateji komen pou konbine anpil modèl:
- Yon apwòch natif natal ki rele bagging itilize seri fòmasyon an pou pwodui seri fòmasyon adisyonèl.
- Ranfòsman, yon teknik ki pi sofistike: Menm jan ak sak, ranfòse yo itilize pou jwenn fòmil pondération ideyal la pou yon seri fòmasyon.
20. Ki sa ki ekzakteman modèl parametrik? Bay yon egzanp.
Gen yon kantite limite nan paramèt nan modèl parametrik. Pou pwevwa done, tout sa ou bezwen konnen se paramèt modèl la.
Sa ki annapre yo se egzanp tipik: regression lojistik, regression lineyè, ak SVM lineyè. Modèl ki pa parametrik yo fleksib paske yo ka genyen yon kantite paramèt san limit.
Paramèt modèl la ak estati done yo obsève yo obligatwa pou prediksyon done yo. Men kèk egzanp tipik: modèl sijè, pye bwa desizyon, ak k-vwazen ki pi pre.
21. Dekri filtraj kolaborasyon. Osi byen ke kontni ki baze sou filtraj?
Yon metòd ki te eseye ak vre pou kreye sijesyon kontni pwepare se filtraj kolaborasyon.
Yon fòm sistèm rekòmandasyon yo rele filtraj kolaboratif predi materyèl fre nan balanse preferans itilizatè yo ak enterè pataje.
Preferans itilizatè yo se sèl bagay ke sistèm rekòmandasyon ki baze sou kontni konsidere. Nan limyè de seleksyon anvan itilizatè a, yo bay nouvo rekòmandasyon nan materyèl ki gen rapò.
22. Ki sa egzakteman ou vle di nan seri a Time?
Yon seri tan se yon koleksyon nimewo nan lòd monte. Pandan yon peryòd tan predetèmine, li kontwole mouvman pwen done yo chwazi yo epi detanzantan kaptire pwen done yo.
Pa gen okenn antre tan minimòm oswa maksimòm pou seri tan.
Seri tan yo souvan itilize pa analis yo analize done an akò ak kondisyon inik yo.
23. Dekri varyasyon ant ranfòsman gradyan ak algorithm Random Forest yo.
Forest o aza:
- Yon gwo kantite pye bwa desizyon yo mete ansanm nan fen a epi yo ke yo rekonèt kòm forè o aza.
- Pandan ke ogmantasyon gradyan pwodui chak pye bwa poukont lòt yo, forè o aza bati chak pye bwa youn nan yon tan.
- Multiklas deteksyon objè travay byen ak forè o aza.
Ranfòsman gradyan:
- Pandan ke forè Random rantre nan pye bwa desizyon nan fen pwosesis la, Gradient Boosting machin konbine yo depi nan konmansman an.
- Si paramèt yo ajiste kòmsadwa, ogmantasyon gradyan depase forè o aza an tèm de rezilta, men se pa yon chwa entelijan si seri done a gen yon anpil nan outliers, anomalies, oswa bri paske li ta ka lakòz modèl la vin twòp.
- Lè gen done dezekilib, menm jan gen nan evalyasyon risk an tan reyèl, ranfòse gradyan fè byen.
24. Poukisa ou bezwen yon matris konfizyon? Kisa li ye?
Yon tablo ke yo rekonèt kòm matris la konfizyon, pafwa ke yo rekonèt kòm matris erè a, lajman itilize pou montre kouman yon modèl klasifikasyon, oswa klasifikasyon, fè sou yon seri done tès pou yo konnen valè reyèl yo.
Li pèmèt nou wè ki jan yon modèl oswa algorithm fè. Li fè li senp pou nou tach enkonpreyansyon nan mitan divès kou.
Li sèvi kòm yon fason pou evalye kijan yon modèl oswa algorithm byen fèt.
Prediksyon yon modèl klasifikasyon yo konpile nan yon matris konfizyon. Valè konte chak etikèt klas yo te itilize pou dekonpoze kantite total prediksyon kòrèk ak kòrèk.
Li bay detay sou fay klasifikasyon yo te fè yo ansanm ak diferan kalite erè ki te koze pa klasifikasyon yo.
25. Ki sa egzakteman se yon analiz eleman prensip?
Lè w minimize kantite varyab ki gen rapò youn ak lòt, objektif la se pou minimize dimansyon koleksyon done yo. Men, li enpòtan pou kenbe divèsite a otank posib.
Varyab yo chanje nan yon seri varyab totalman nouvo yo rele eleman prensipal yo.
PC sa yo ortogonal paske yo se vektè pwòp yon matris kovarans.
26. Poukisa wotasyon konpozan tèlman enpòtan pou PCA (analiz eleman prensipal)?
Wotasyon enpòtan nan PCA paske li optimize separasyon ki genyen ant divèjans yo jwenn nan chak eleman, sa ki fè entèpretasyon eleman pi senp.
Nou mande konpozan pwolonje eksprime varyasyon eleman si eleman yo pa vire toutotou.
27. Ki jan regilarize ak nòmalizasyon diferan youn ak lòt?
Nòmalizasyon:
Done yo chanje pandan nòmalizasyon. Ou ta dwe nòmalize done yo si li gen echèl ki byen wo diferan, espesyalman soti nan ba rive segondè. Ajiste chak kolòn pou estatistik fondamantal yo tout konpatib.
Pou asire ke pa gen okenn pèt nan presizyon, sa a ka itil. Detekte siyal la pandan y ap inyore bri a se youn nan objektif fòmasyon modèl yo.
Gen yon chans pou overfitting si yo bay modèl la kontwòl konplè pou diminye erè.
Regilarizasyon:
Nan regilarize, fonksyon prediksyon an modifye. Sa a se sijè a kèk kontwòl nan regilarize, ki favè fonksyon ki pi senp Fitting sou sa ki konplike.
28. Ki jan nòmalizasyon ak normalisation diferan youn ak lòt?
De teknik ki pi lajman itilize pou dekale karakteristik yo se nòmalizasyon ak normalisation.
Nòmalizasyon:
- Reechèl done yo pou adapte yon seri [0,1] ke yo rekonèt kòm nòmalizasyon.
- Lè tout paramèt yo dwe gen menm echèl pozitif la, nòmalizasyon an itil, men sa ki pa nòmal ansanm done yo pèdi.
Regilarizasyon:
- Done yo re-echèl pou yo gen yon mwayen 0 ak yon devyasyon estanda 1 kòm yon pati nan pwosesis normalisation (Divèjans inite)
29. Kisa egzakteman "faktè enflasyon varyasyon" vle di?
Rapò divèjans modèl la ak divèjans modèl la ak yon sèl varyab endepandan ke yo rekonèt kòm faktè enflasyon varyasyon (VIF).
VIF estime kantite miltikolinearite ki prezan nan yon seri plizyè varyab regresyon.
Divèjans nan modèl la (VIF) Modèl ak yon sèl varyab endepandan
30. Dapre gwosè seri fòmasyon an, ki jan ou chwazi yon klasifikasyon?
Yon gwo patipri, modèl divèjans ki ba fè pi byen pou yon seri fòmasyon kout depi twòp fitting gen mwens chans. Bayes nayif se yon egzanp.
Yo nan lòd yo reprezante entèraksyon pi konplike pou yon seri fòmasyon gwo, yon modèl ki gen patipri ki ba ak gwo divèjans pi preferab. Regression lojistik se yon bon egzanp.
31. Ki algorithm nan aprantisaj machin yo refere yo kòm "aprann parese" e poukisa?
Yon elèv k ap aprann paresseux, KNN se yon algorithm aprantisaj machin. Paske K-NN dinamik kalkile distans chak fwa li vle klasifye olye pou yo aprann nenpòt valè machin-aprann oswa varyab nan done fòmasyon yo, li memorize dataset fòmasyon an.
Sa fè K-NN yon moun k ap aprann parese.
32. Kisa Koub ROC ak AUC ye?
Pèfòmans yon modèl klasifikasyon nan tout papòt yo reprezante grafikman pa koub ROC la. Li gen vrè pousantaj pozitif ak kritè pousantaj fo pozitif.
Senpleman mete, zòn ki anba koub ROC la ke yo rekonèt kòm AUC (Zòn anba koub ROC). Zòn de dimansyon koub ROC a soti nan (0,0) rive nan AUC mezire (1,1). Pou evalye modèl klasifikasyon binè, li se anplwaye kòm yon estatistik pèfòmans.
33. Kisa ipèparamèt yo ye? Ki sa ki fè yo inik nan paramèt modèl yo?
Yon varyab entèn nan modèl la ke yo rekonèt kòm yon paramèt modèl. Sèvi ak done fòmasyon, valè yon paramèt apwoksimatif.
Enkoni nan modèl la, yon hyperparameter se yon varyab. Valè a pa ka detèmine nan done, kidonk yo souvan anplwaye yo kalkile paramèt modèl yo.
34. Kisa F1 Score, sonje, ak presizyon vle di?
Mezi konfizyon an se mezi ki itilize pou evalye efikasite modèl klasifikasyon an. Fraz sa yo ka itilize pou pi byen eksplike metrik konfizyon an:
TP: Vrè Pozitif - Sa yo se valè pozitif ki te antisipe byen. Li sijere ke valè yo nan klas la projetée ak klas aktyèl la yo tou de pozitif.
TN: Vrè Negatif- Sa yo se valè negatif yo te prevwa avèk presizyon. Li sijere ke tou de valè a nan klas aktyèl la ak klas la antisipe yo negatif.
Valè sa yo—fo pozitif ak fo negatif—rive lè klas aktyèl ou a diferan de klas yo prevwa a.
Koulye a,
Yo rele rapò vrè to pozitif (TP) ak tout obsèvasyon ki fèt nan klas aktyèl la sonje, ke yo rele tou sansiblite.
Rapèl la se TP/(TP+FN).
Precision se yon mezi valè prediksyon pozitif, ki konpare kantite pozitif modèl la reyèlman predi ak konbyen pozitif kòrèk li predi avèk presizyon.
Precision se TP/(TP + FP)
Metrik pèfòmans ki pi fasil pou konprann se presizyon, ki se jis pwopòsyon obsèvasyon byen prevwa ak tout obsèvasyon yo.
Presizyon egal a (TP+TN)/(TP+FP+FN+TN).
Precision ak Recall yo pondéré ak mwayèn pou bay Score F1 la. Kòm yon rezilta, nòt sa a konsidere tou de fo pozitif ak fo negatif.
F1 souvan gen plis valè pase presizyon, patikilyèman si ou gen yon distribisyon klas inegal, menm si entwitif li pa senp pou konprann kòm presizyon.
Pi bon presizyon reyalize lè pri fo pozitif ak fo negatif konparab. Li pi bon pou mete tou de Precision ak Recall si depans ki asosye ak fo pozitif ak fo negatif diferan anpil.
35. Ki sa egzakteman kwa-validasyon ye?
Yon apwòch réchantillonnage estatistik yo rele validation kwa nan aprantisaj machin anplwaye plizyè sou-ansanm done pou fòme ak evalye yon algorithm aprantisaj machin atravè yon kantite jij.
Yo teste yon nouvo pakèt done ki pa te itilize pou antrene modèl la lè l sèvi avèk validasyon kwa pou wè kouman modèl la predi li. Done yo anpeche twòp fitting atravè validasyon kwa.
K-Fold Metòd réchantillonnage ki pi souvan itilize divize an antye done an K ansanm gwosè egal. Yo rele sa cross-validation.
36. Ann di ou dekouvri ke modèl ou a gen yon diferans enpòtan. Ki algorithm, nan opinyon ou, ki pi apwopriye pou jere sitiyasyon sa a?
Jere gwo varyasyon
Nou ta dwe itilize teknik nan sak pou pwoblèm ak varyasyon gwo.
Repete echantiyon done o aza ta itilize pa algorithm nan sak pou divize done yo an sougwoup. Yon fwa done yo te divize, nou ka itilize done o aza ak yon pwosedi fòmasyon espesifik pou jenere règ.
Apre sa, sondaj te kapab itilize pou konbine prediksyon modèl la.
37. Ki sa ki fè distenksyon ant regresyon Ridge ak regresyon Lasso?
De metòd regilarize lajman itilize yo se Lasso (yo rele tou L1) ak Ridge (yo rele pafwa L2). Yo itilize yo pou anpeche overfitting done yo.
Yo nan lòd yo dekouvri solisyon ki pi bon ak minimize konpleksite, teknik sa yo yo te anplwaye pou pini koyefisyan yo. Lè yo penalize total valè absoli koyefisyan yo, regression Lasso a ap fonksyone.
Fonksyon penalite nan Ridge oswa regression L2 sòti nan sòm kare koyefisyan yo.
38. Ki sa ki pi enpòtan: pèfòmans modèl oswa presizyon modèl? Kiyès e poukisa ou pral favorize li?
Sa a se yon kesyon twonpe, kidonk youn ta dwe premye konprann kisa Pèfòmans Modèl ye. Si pèfòmans yo defini kòm vitès, Lè sa a, li depann sou kalite aplikasyon an; nenpòt aplikasyon ki enplike yon sitiyasyon an tan reyèl ta mande gwo vitès kòm yon eleman enpòtan.
Pa egzanp, pi bon rezilta rechèch yo ap vin gen mwens valè si rezilta rechèch yo pran twòp tan pou yo rive.
Si yo itilize Pèfòmans kòm yon jistifikasyon pou rezon ki fè presizyon ak rapèl yo ta dwe priyorite pi wo pase presizyon, Lè sa a, yon nòt F1 ap pi itil pase presizyon nan demontre ka biznis la pou nenpòt seri done ki dezekilib.
39. Ki jan ou ta jere yon seri done ki gen inegalite?
Yon seri done dezekilib ka benefisye de teknik echantiyon. Echantiyon an ka fèt swa nan yon fason ki anba oswa ki depase.
Anba echantiyon pèmèt nou retresi gwosè klas majorite a pou matche ak klas minorite a, sa ki ede ogmante vitès anrapò ak depo ak egzekisyon tan an, men li ka lakòz tou pèt done ki gen anpil valè.
Pou nou ka remèd pwoblèm nan pèt enfòmasyon ki te koze pa oversampling, nou upsample klas minorite a; poutan, sa lakòz nou kouri nan pwoblèm overfitting.
Lòt estrateji yo enkli:
- Echantiyon anplis ki baze sou gwoup- Enstans klas minorite ak majorite yo sibi endividyèlman teknik gwoupman K-means nan sitiyasyon sa a. Sa fè pou jwenn gwoup dataset. Lè sa a, chak grap oversampling pou tout klas yo gen menm gwosè ak tout grap nan yon klas gen yon kantite egal nan enstans.
- SMOTE: Teknik Minorite Sentetik Sur-Echantiyonaj - Yo itilize yon ti moso done ki soti nan klas minorite a kòm egzanp, apre sa yo pwodui lòt enstans atifisyèl ki konparab ak li epi ajoute nan seri done orijinal la. Metòd sa a travay byen ak pwen done nimerik.
40. Ki jan ou ka fè distenksyon ant ranfòse ak sak?
Teknik Ensemble gen vèsyon ke yo rekonèt kòm sachè ak ranfòse.
Bagay-
Pou algoritm ki gen yon varyasyon segondè, sachè se yon teknik ki itilize pou diminye divèjans la. Yon fanmi sa yo nan klasifikasyon ki gen tandans fè patipri se fanmi an pyebwa desizyon.
Kalite done ke pyebwa desizyon yo resevwa fòmasyon sou gen yon enpak siyifikatif sou pèfòmans yo. Poutèt sa, menm avèk amann trè wo, jeneralizasyon rezilta yo pafwa pi difisil pou jwenn nan yo.
Si done fòmasyon pyebwa desizyon yo chanje, rezilta yo varye anpil.
Kòm yon konsekans, yo itilize bagging, kote anpil pye bwa desizyon yo kreye, chak nan yo resevwa fòmasyon lè l sèvi avèk yon echantiyon nan done orijinal yo, ak rezilta final la se mwayèn nan tout modèl sa yo diferan.
Ogmante:
Ranfòse se teknik pou fè prediksyon ak yon sistèm klasifikasyon n-fèb kote chak klasifikasyon fèb fè pou defisyans klasifikasyon ki pi fò li yo. Nou refere a yon klasifikasyon ki fè mal sou yon seri done bay kòm yon "klasifikasyon fèb".
Ranfòse se evidamman yon pwosesis olye ke yon algorithm. Regression lojistik ak pye bwa desizyon ki pa fon yo se egzanp komen klasifikasyon fèb.
Adaboost, Gradient Boosting, ak XGBoost se de algoritm ki pi popilè pou ranfòse, sepandan, gen anpil plis.
41. Eksplike diferans ki genyen ant aprantisaj endiktif ak dediktif.
Lè w aprann pa egzanp nan yon seri egzanp obsève, yon modèl itilize aprantisaj endiktif pou rive nan yon konklizyon jeneralize. Nan lòt men an, ak aprantisaj dediktif, modèl la sèvi ak rezilta a anvan fòme pwòp li yo.
Aprantisaj endiktif se pwosesis pou tire konklizyon nan obsèvasyon yo.
Aprantisaj dediktif se pwosesis pou kreye obsèvasyon ki baze sou enferans.
konklizyon
Felisitasyon! Sa yo se pi gwo 40 ak pi wo kesyon entèvyou pou aprantisaj machin ke ou konnen kounye a repons yo. Syans done ak atifisyèl entèlijans okipasyon yo ap kontinye mande pandan teknoloji avanse.
Kandida ki mete ajou konesans yo nan teknoloji dènye kri sa yo ak amelyore seri konpetans yo ka jwenn yon gran varyete posiblite travay ak salè konpetitif.
Ou ka kontinye ak reponn entèvyou yo kounye a ke ou gen yon konpreyansyon solid sou fason pou reponn kèk nan kesyon entèvyou aprantisaj machin yo lajman mande yo.
Tou depan de objektif ou yo, pran etap sa a. Prepare pou entèvyou lè w vizite Hashdork la Seri Entèvyou.
Kite yon Reply