Ripanga o Ihirangi[Huna][Whakaatu]
- 1. Whakamaramahia nga rereketanga i waenga i te ako miihini, te mohio horihori, me te ako hohonu.
- 2. Tena koa whakaahuahia nga momo ako miihini.
- 3. He aha te rītaha ki te tauhokohoko rerekee?
- 4. He nui te tipu o nga algorithm ako miihini i roto i te waa. Me pehea te whiriwhiri i te algorithm tika hei whakamahi i tetahi huinga raraunga?
- 5. He aha te rereketanga o te taurite me te hononga?
- 6. I roto i te ako miihini, he aha te tikanga o te kohinga?
- 7. He aha te mea pai ki a koe te ako miihini miihini?
- 8. Rarangi Regression i roto i te Ako Miihini: He aha?
- 9. Whakaahuatia nga rereketanga o te KNN me te k-means clustering.
- 10. He aha te tikanga ki a koe mo te "whakapaipai whiriwhiri"?
- 11. He aha te tikanga a Bayes' Theorem?
- 12. I roto i te Tauira Ako Miihini, he aha te 'Huatuhi Whakangungu' me te 'Tautuhi whakamatautau'?
- 13. He aha te whakapae i te Ako Miihini?
- 14. He aha te tikanga o te ako miihini, me pehea te aukati?
- 15. He aha nga momo whakarōpūtanga Naive Bayes?
- 16. He aha te tikanga o nga Mahi Utu me nga Mahi Ngaronga?
- 17. He aha te rereketanga o te tauira whakatipu mai i te tauira whakahirahira?
- 18. Whakaahuahia nga rereketanga i waenga i nga hapa Momo I me te Momo II.
- 19. I roto i te ako miihini, he aha te tikanga ako Ensemble?
- 20. He aha nga tauira tawhā? Homai he tauira.
- 21. Whakaahuahia te tātari mahi tahi. Me te tātari i runga i te ihirangi?
- 22. He aha te tikanga o te raupapa Time?
- 23. Whakaahuahia nga rereketanga i waenga i te Whakanui Rōnaki me te Random Forest algorithms.
- 24. He aha koe e hiahia ai ki te matrix rangirua? He aha tena?
- 25. He aha te tikanga o te tātari wae maapono?
- 26. He aha te take i tino nui ai te hurihanga o nga waahanga ki te PCA (te tātari waahanga matua)?
- 27. He pehea te rerekee o te whakariterite me te whakatikatika i tetahi ki tetahi?
- 28. He aha te rerekee o te whakapumautanga me te whakataurite i a raatau ano?
- 29. He aha te tikanga o te "tauwehe pikinga rereke"?
- 30. I runga i te rahi o te huinga whakangungu, me pehea koe e whiriwhiri ai i te kaikorero?
- 31. He aha te algorithm i roto i te ako miihini e kiia ana ko te "akonga mangere" me te aha?
- 32. He aha te RoC Curve me te AUC?
- 33. He aha nga tawhārua? He aha te mea motuhake mai i nga tawhā tauira?
- 34. He aha te tikanga o te Tohu F1, te maumahara, me te tika?
- 35. He aha tonu te whakamana-whakawhiti?
- 36. Me kii kua kitea e koe he rereketanga nui to tauira. He aha te algorithm, ki to whakaaro, e pai ana ki te hapai i tenei ahuatanga?
- 37. He aha te rereketanga o te hekenga o Ridge me te hekenga Lasso?
- 38. Ko tehea te mea nui: te mahi tauira, te tika ranei o te tauira? Ko tehea me te aha koe ka pai ai?
- 39. Me pehea koe e whakahaere ai i tetahi huingararaunga me nga taurite kore?
- 40. Me pehea koe e wehewehe ai i waenga i te whakanui me te peke?
- 41. Whakamaramahia nga rereketanga o te ako arataki me te ako whakaheke.
- Opaniraa
Kei te whakamahi nga pakihi i nga hangarau hou, penei i te mohio mohio (AI) me te ako miihini, hei whakanui ake i te waatea o nga korero me nga ratonga ki nga tangata takitahi.
Ko enei hangarau kei te whakamahia e nga momo ahumahi, tae atu ki te putea, putea, hokohoko, hangahanga, me te tiaki hauora.
Ko tetahi o nga mahi whakahaere e tino rapuhia ana e whakamahi ana i te AI mo nga kaiputaiao raraunga, nga miihini mohio hangai, nga miihini ako miihini, me nga kaitirotiro raraunga.
Ma tenei pou e arahi koe i roto i nga momo momo akoranga mīhini uiui uiui, mai i te taketake ki te uaua, hei awhina i a koe kia takatu mo nga patai ka patai atu koe ina rapu ana koe i to mahi tino pai.
1. Whakamaramahia nga rereketanga i waenga i te ako miihini, te mohio horihori, me te ako hohonu.
He maha nga momo ako miihini me nga huarahi ako hohonu e taea ai e nga punaha rorohiko te whakahaere i nga mahi ma te whakamahi i te mohio-tangata me te arorau me nga ture.
Ka whakamahia e te ako miihini te maha o nga tatauranga me nga huarahi Ako Hohonu kia taea ai e nga miihini te ako mai i a raatau mahi o mua me te kaha ake ki te mahi i etahi mahi i a raatau ake me te kore e tirotirohia e te tangata.
Ko te Deep Learning he kohinga algorithms e taea ai e te rorohiko te ako mai i a ia ano me te kawe i nga momo mahi arumoni, penei i te reo me te tohu pikitia.
Ko nga punaha e whakaatu ana i o raatau paparanga maha te ahunga taiao ki te nui o nga raraunga hei ako ka taea te ako hohonu.
2. Tena koa whakaahuahia nga momo ako miihini.
Ko te ako miihini kei roto i nga momo rereke e toru:
- Ako Tiaki: Ka waihangahia e te tauira nga matapae, whakatau whakatau ranei ma te whakamahi i nga raraunga tapanga me nga raraunga o mua i roto i te ako miihini maataki. Ko nga huinga raraunga kua tohua, kua tapaina ranei hei whakanui ake i o raatau tikanga ka kiia he raraunga tapanga.
- Ako Karekau e Tiaki: Karekau he raraunga tapanga mo te ako kore tirotiro. I roto i nga raraunga taumai, ka kitea e tetahi tauira nga tauira, nga mea rereke, me nga hononga.
- Te Whakapakari Ako: Ka taea e te tauira ako ma te whakamahi i te whakakaha ako me nga utu i whiwhi mo tana whanonga o mua.
3. He aha te rītaha ki te tauhokohoko rerekee?
Ko te overfitting he hua o te rītaha, ko te tohu e pai ai te tauira ki te raraunga. Na te he, he ngawari rawa ranei nga whakapae i roto i to whakaaro miihini akoranga algorithm.
Ko te rerekee e pa ana ki nga hapa i puta mai i te uaua o to ML algorithm, ka puta te aro ki nga nekehanga nui o te rereketanga i roto i nga raraunga whakangungu me te taapiri.
Ko te rereketanga ko te nui o te rereketanga o te tauira i runga i nga whakaurunga.
Arā, he tino rītaha, he pūmau tonu ngā tauira taketake (he iti te rerekētanga). He raruraru ki nga tauira uaua te taapiri, ahakoa ka mau i te mooni o te tauira (he iti te piro).
Hei aukati i te rereketanga nui me te nui o te rerekee, he mea tika te hokohoko i waenga i te rereke me te rereke mo te whakahekenga hapa pai.
4. He nui te tipu o nga algorithm ako miihini i roto i te waa. Me pehea te whiriwhiri i te algorithm tika hei whakamahi i tetahi huinga raraunga?
Ko te tikanga ako miihini me whakamahi ka whakawhirinaki anake ki te ahua o nga raraunga kei roto i tetahi huingararaunga motuhake.
Ina he raina te raraunga, ka whakamahia te whakaheke ahorangi. Ka pai ake te mahi o te tikanga peke mena ka tohuhia te raraunga kore-raina. Ka taea e tatou te whakamahi i nga rakau whakatau, SVM ranei mena ka arotakehia nga raraunga me te whakamaori mo nga kaupapa arumoni.
Ka whai hua pea nga whatunga neural ki te whiwhi whakautu tika mena kei roto i te huingararaunga nga whakaahua, ataata, me nga ororongo.
Ko te whiriwhiri i te algorithm mo tetahi ahuatanga motuhake, kohinga raraunga ranei e kore e taea te hanga i runga i te ine kotahi.
Mo te whainga ki te whakawhanake i te tikanga tino pai, me tirotiro i nga raraunga ma te whakamahi i te tātari raraunga torotoro (EDA) me te mohio ki te whainga o te whakamahi i te huingararaunga.
5. He aha te rereketanga o te taurite me te hononga?
Ka arotakehia e te Covariance te hono o nga taurangi e rua ki a raua, me te rereke o tetahi ki te whakautu ki nga huringa o tetahi.
Mena he pai te hua, ka tohu he hononga tika i waenga i nga taurangi ka piki, ka heke ranei tetahi ki te piki, ki te heke ranei o te taurangi turanga, me te whakaaro ka noho tonu etahi atu tikanga.
Ka ine te hononga i te hono i waenga i nga taurangi matapōkere e rua, ka toru noa nga uara motuhake: 1, 0, me -1.
6. I roto i te ako miihini, he aha te tikanga o te kohinga?
Ko nga tikanga ako kaore i te tirotirohia e whakarōpūhia nga tohu raraunga ka kiia ko te kohinga. Ma te kohinga o nga tohu raraunga, ka taea te whakamahi i te tikanga whakahiato.
Ka taea e koe te whakarōpū i nga tohu raraunga katoa i runga i o raatau mahi ma te whakamahi i tenei rautaki.
He rite nga ahuatanga me nga ahuatanga o nga tohu raraunga ka taka ki roto i te waahanga kotahi, engari he rereke nga ahuatanga o nga tohu raraunga ka taka ki nga roopu motuhake.
Ka taea te whakamahi i tenei huarahi ki te wetewete i nga raraunga tauanga.
7. He aha te mea pai ki a koe te ako miihini miihini?
Ka whai waahi koe ki te whakaatu i o hiahia me o taranata ahurei i roto i tenei patai, me to mohiotanga whanui mo nga tikanga ako miihini maha.
Anei etahi o nga miihini ako miihini angamaheni hei whakaaro:
- Tuhinga o mua
- Te whakahekenga o te waka
- Bay Bay
- Nga rakau whakatau
- K te tikanga
- Ngahere ngahere algorithm
- K-tata tata (KNN)
8. Rarangi Regression i roto i te Ako Miihini: He aha?
Ko te hātepe ako miihini e tirotirohia ana ko te whakahekenga raina.
Ka whakamahia i roto i te tātari matapae hei whakatau i te hononga raina i waenga i nga taurangi whakawhirinaki me te taurangi motuhake.
Ko te whārite o te whakahekenga rārangi e whai ake nei:
Y = A + BX
kei hea:
- Ko te whakaurunga, te taurangi motuhake ranei ka kiia ko X.
- Ko te taurangi ti'aturi me te putanga ko Y.
- Ko te whakarea o X he b, ko te haukoti he a.
9. Whakaahuatia nga rereketanga o te KNN me te k-means clustering.
Ko te rereketanga tuatahi ko te KNN (he tikanga whakarōpūtanga, ako e maataki ana) me tohu tohu engari ko te tikanga k-kore (te whakariterite algorithm, te ako kaore i te tirotirohia).
Ka taea e koe te whakarōpū i nga raraunga kua tapaina ki tetahi waahi kore tapanga ma te whakamahi i nga K-Nearest Neighbors. Ka whakamahia e te kohinga K-means te tawhiti toharite i waenga i nga tohu ki te ako me pehea te whakarōpū i nga tohu kore tapanga.
10. He aha te tikanga ki a koe mo te "whakapaipai whiriwhiri"?
Ko te rītaha i roto i te wāhanga whakatauira o te whakamātau nā te hē o te tauanga.
He maha ake te kowhiringa o tetahi roopu tauira i era atu roopu o te whakamatautau na te hee o te mahi.
Ki te kore e whakaaehia te rītaha kōwhiri, ka puta he whakatau hē.
11. He aha te tikanga a Bayes' Theorem?
Ina mohio tatou ki etahi atu tuponotanga, ka taea e tatou te whakatau i tetahi tuponotanga ma te whakamahi i te Theorem a Bayes. Ka tuku te tūponotanga o muri o tetahi takanga i runga i nga korero o mua, ara.
He tikanga pai mo te whakatau tata i nga tupono herenga e whakaratohia ana e tenei kaupapa.
I te wa e whakawhanake ana i nga raruraru whakatauira matapae me te whakauru tauira ki tetahi whakangungu raraunga i roto i te ako miihini, Ka whakamahia te kaupapa a Bayes (arā, Naive Bayes, Bayes Optimal Classifier).
12. I roto i te Tauira Ako Miihini, he aha te 'Huatuhi Whakangungu' me te 'Tautuhi whakamatautau'?
huinga whakangungu:
- Kei roto i te huinga whakangungu etahi tauira ka tukuna ki te tauira hei tātari me te ako.
- Koinei nga raraunga tapanga ka whakamahia hei whakangungu i te tauira.
- Ko te tikanga, 70% o te tapeke raraunga ka whakamahia hei huinga raraunga whakangungu.
Tautuhi Whakamatau:
- Ka whakamahia te huinga whakamatautau hei aromatawai i te tika o te whakaputanga whakapae o te tauira.
- Ka whakamatauhia kaore he raraunga tapanga ka whakamahi tapanga hei whakaū i nga hua.
- Ko te toenga 30% ka whakamahia hei huinga raraunga whakamatautau.
13. He aha te whakapae i te Ako Miihini?
Ma te Ako Miihini ka taea te whakamahi i nga huingararaunga o naianei kia pai ake te maarama ki tetahi mahi e hono ana te whakauru ki te whakaputanga. E mohiotia ana tenei ko te tata mahi.
I roto i tenei take, me mahi tata mo te taumahinga e kore e mohiotia ki te whakawhiti i nga tirohanga katoa ka taea te whakaaro i runga i te ahuatanga kua homai i te huarahi pai rawa atu.
I roto i te ako miihini, ko te whakapae he tauira e awhina ana ki te whakatau tata i te mahi whaainga me te whakaoti i nga mapi whakauru-ki-putanga e tika ana.
Ko te whiriwhiringa me te hoahoa o nga algorithms ka taea te whakamaramatanga o te waahi o nga whakapae ka taea te whakaatu e tetahi tauira.
Mo te whakapae kotahi, ka whakamahia te h (h) iti, engari ka whakamahia te whakapaipai h (H) mo te waahi whakapae katoa e rapuhia ana. Ka arotake poto tatou i enei tohu:
- Ko te whakapae (h) he tauira motuhake e whakahaere ana i te mapi o te whakaurunga ki te whakaputanga, ka taea te whakamahi mo te arotake me te matapae.
- Ko te huinga whakapae (H) he waahi rapu o nga whakapae ka taea te whakamahi ki te mapi i nga whakaurunga ki nga putanga. Ko te anga take, te tauira, me te whirihoranga tauira etahi tauira o nga herenga whanui.
14. He aha te tikanga o te ako miihini, me pehea te aukati?
Ina ngana ana te miihini ki te ako mai i te iti rawa o te huingararaunga, ka puta te taapiri.
Ko te mutunga mai, ka honoa te taapiri ki te rahinga raraunga. Ko te huarahi whakamana-whakawhiti ka taea te karo i te taapiri mo nga huingararaunga iti. Ka wehewehea tetahi huingararaunga kia rua nga wahanga i tenei tikanga.
Ko te huinga raraunga mo te whakamatautau me te whakangungu ko enei waahanga e rua. Ka whakamahia te huingararaunga whakangungu hei hanga tauira, ka whakamahia te huingararaunga whakamatautau hei arotake i te tauira ma te whakamahi i nga whakaurunga rereke.
Me penei te aukati i te overfitting.
15. He aha nga momo whakarōpūtanga Naive Bayes?
He maha nga tikanga whakarōpūtanga kei roto i te Naive Bayes whakarōpū. He huinga algorithms e mohiotia ana ko enei whakarōpūtanga e mahi ana i runga i te whakaaro taketake kotahi.
Ko te whakapae a nga kaiwhakatakoto whakaaro naive Bayes ko te noho, te ngaro ranei o tetahi ahuatanga karekau he paanga ki te noho, ki te ngaro ranei o tetahi atu ahuatanga.
I etahi atu kupu, koinei ta matou e kii nei he "kuware" na te mea e kii ana he rite te hiranga me te motuhake o ia huanga raraunga.
Ka mahia te whakarōpūtanga ma te whakamahi i nga kaikorero naive Bayes. He ngawari ki te whakamahi me te whakaputa i nga hua pai ake i nga matapae uaua ake ina pono te kaupapa motuhake.
I roto i te tātari tuhinga, te tātari mokowhiti, me nga punaha tohutohu, kei te mahi ratou.
16. He aha te tikanga o nga Mahi Utu me nga Mahi Ngaronga?
Ko te kupu "mahi ngaro" e pa ana ki te tukanga o te ngaronga rorohiko ina ka whakaarohia tetahi waahanga raraunga.
Engari, ka whakamahia e matou te mahi utu ki te whakatau i te tapeke o nga hapa mo nga raraunga maha. Karekau he wehewehenga nui.
I etahi atu kupu, ahakoa ko nga mahi utu e whakahiato ana i te rereketanga mo te huinga raraunga whakangungu katoa, ka hangaia nga mahi ngaro ki te hopu i te rereketanga i waenga i nga uara tuturu me nga uara matapae mo te rekoata kotahi.
17. He aha te rereketanga o te tauira whakatipu mai i te tauira whakahirahira?
Ka ako te tauira whakahāwea i ngā rerekētanga i waenga i te maha o ngā kāwai raraunga. Ka kohia e te tauira whakaputa nga momo raraunga rereke.
I runga i nga raruraru whakarōpūtanga, he maha nga wa e pai ake ai nga tauira whakahirahira i etahi atu tauira.
18. Whakaahuahia nga rereketanga i waenga i nga hapa Momo I me te Momo II.
Ko nga hua pai teka ka taka ki raro i te waahanga o nga hapa Momo I, engari ko nga kino teka kei raro i nga hapa Momo II (e kii ana kaore he mea i tupu i te wa i pa).
19. I roto i te ako miihini, he aha te tikanga ako Ensemble?
Ko te tikanga e kiia nei ko te ako whakahiato ka whakakotahi i te maha o nga tauira ako miihini ki te whakaputa tauira kaha ake.
Ka taea te rereke te tauira mo nga take maha. He maha nga take:
- Nga momo Taupori
- Nga momo whakapae
- Nga momo tikanga whakatauira
Ka pa ki tetahi take i a maatau e whakamahi ana i nga raraunga whakangungu me te whakamatautau o te tauira. Ko te whanoke, te rerekee, me te hapa e kore e taea te whakaheke he momo o tenei hapa.
Inaianei, ka kiia e matou tenei toenga i waenga i te paanui me te rereketanga i roto i te tauira he tauhokohoko-rereke, me noho tonu. Ka whakatutukihia tenei hokohoko ma te whakamahi i te ako ensemble.
Ahakoa he maha nga huarahi whakauru e waatea ana, e rua nga rautaki noa mo te whakakotahi i nga tauira maha:
- Ko te huarahi taketake e kiia ana ko te putea ka whakamahi i te huinga whakangungu hei whakaputa i etahi atu huinga whakangungu.
- Whakanuia, he tikanga tino mohio ake: He rite ki te peke, ka whakamahia te whakanui ki te kimi i te tauira taumaha pai mo te huinga whakangungu.
20. He aha nga tauira tawhā? Homai he tauira.
He iti noa nga tawhā i roto i nga tauira tawhā. Hei matapae raraunga, ko nga mea katoa e hiahia ana koe kia mohio ko nga tawhā o te tauira.
Ko enei e whai ake nei he tauira angamaheni: te whakahekenga arorau, te whakahekenga raina, me nga SVM raina. He ngawari nga tauira kore-pararite na te mea he maha nga tawhā e mau ana.
Ko nga tawhā o te tauira me te mana o nga raraunga i kitea e hiahiatia ana mo nga matapae raraunga. Anei etahi tauira angamaheni: tauira kaupapa, rakau whakatau, me k-tata tata.
21. Whakaahuahia te tātari mahi tahi. Me te tātari i runga i te ihirangi?
Ko te tikanga whakamatau-a-pono mo te hanga i nga whakaaro ihirangi kua whakaritea ko te tātari mahi tahi.
Ko te ahua o te punaha tūtohutanga e kiia nei ko te tātari mahi tahi e tohu ana i nga mea hou ma te whakataurite i nga manakohanga a nga kaiwhakamahi me nga painga tahi.
Ko nga manakohanga kaiwhakamahi anake te mea e whakaarohia ana e nga punaha kaiwhakatakoto whakaaro. I runga i nga kowhiringa o mua a te kaiwhakamahi, ka tukuna nga taunakitanga hou mai i nga rauemi e pa ana.
22. He aha te tikanga o te raupapa Time?
Ko te raupapa wa he kohinga tau i runga i te raupapa aupiki. I roto i te waa kua whakaritea, ka aro turuki i te nekehanga o nga tohu raraunga kua tohua me te hopu i nga tohu raraunga i ia wa.
Karekau he wa iti, morahi ranei te whakaurunga mo te raupapa wa.
He maha nga wa ka whakamahia e nga kaitätari ki te tātari raraunga i runga i o raatau whakaritenga motuhake.
23. Whakaahuahia nga rereketanga i waenga i te Whakanui Rōnaki me te Random Forest algorithms.
Ngahere tupurangi:
- He maha nga rakau whakatau ka whakahiatohia ki te mutunga ka kiia ko nga ngahere tupurangi.
- Ahakoa ko te whakanui i te rōnaki ka whakaputa takitahi i ia rākau, ko te ngahere matapōkere ka hanga takitahi ia rākau.
- Karaehe maha kitea ahanoa he pai te mahi me nga ngahere tupurangi.
Whakanui Rōnaki:
- I te wa e hono ana nga ngahere Random ki nga rakau whakatau i te mutunga o te mahi, ka whakakotahihia e nga Miihini Whakatairanga Gradient mai i te timatanga.
- Mena ka tika te whakatika i nga tawhā, ka nui ake te kaha o te whakanui i te rōnaki i nga ngahere matapōkere i runga i nga hua, engari ehara i te mea he pai te whiriwhiri mena he maha nga waahanga o te huinga raraunga, he koretake, he haruru ranei na te mea ka nui haere te tauira.
- Ki te kore e taurite nga raraunga, i te mea kei roto i te aromatawai morearea-waahi, ka pai te mahi o te whakanui i te rōnaki.
24. He aha koe e hiahia ai ki te matrix rangirua? He aha tena?
He ripanga e mohiotia ana ko te matrix rangirua, i etahi wa ka kiia ko te matrix hapa, ka whakamahia nuitia hei whakaatu i te pai o te mahi a te tauira whakarōpū, whakarōpū ranei, i runga i te huinga raraunga whakamatautau e mohiotia ai nga uara tuturu.
Ka taea e tatou te kite i te mahi a te tauira, te algorithm ranei. He maamaa te kite i nga pohehe i waenga i nga momo akoranga.
He huarahi hei arotake i te pai o te mahi o te tauira, te algorithm ranei.
Ka whakahiatohia nga matapae a te tauira whakarōpūtanga ki te matrix rangirua. I whakamahia nga uara tatau o ia tapanga karaehe ki te wawahi i te tapeke o nga matapae tika me te he.
Ka whakaratohia e ia nga korero mo nga hapa i mahia e te kaikorero me nga momo hapa rereke i puta mai i nga kaikorero.
25. He aha te tikanga o te tātari wae maapono?
Ma te whakaiti i te maha o nga taurangi e hono ana tetahi ki tetahi, ko te whainga ko te whakaiti i te rahinga o te kohinga raraunga. Engari he mea nui kia mau tonu te kanorau.
Ka hurihia nga taurangi ki tetahi huinga taurangi hou e kiia nei ko nga waahanga matua.
He orthogonal enei PC na te mea he taunga heigenvectors matrix covariance.
26. He aha te take i tino nui ai te hurihanga o nga waahanga ki te PCA (te tātari waahanga matua)?
He mea nui te hurihanga i roto i te PCA na te mea ka arotauhia te wehenga i waenga i nga rereketanga ka riro mai i ia waahanga, kia ngawari ake te whakamaoritanga o nga waahanga.
Ka hiahia matou ki nga waahanga roa hei whakaatu i te rereketanga o nga waahanga ki te kore e huri nga waahanga.
27. He pehea te rerekee o te whakariterite me te whakatikatika i tetahi ki tetahi?
Whakaputanga:
Ka whakarereketia nga raraunga i te wa o te whakatikatika. Me whakarite e koe nga raraunga mena he rereke nga unahi, ina koa mai i te iti ki te teitei. Whakaritea ia tīwae kia hototahi katoa nga tatauranga taketake.
Kia kore ai e ngaro te tika, ka whai hua tenei. Ko te kimi i te tohu i te wa e warewarehia ana te haruru ko tetahi o nga whainga o te whakangungu tauira.
He tupono ki te whakakii mena ka whakawhiwhia te tauira ki te whakahaere katoa hei whakaiti i te hapa.
Whakariteritenga:
I roto i te whakariterite, ka whakarereketia te mahi matapae. Kei raro tenei i etahi mana ma te whakariterite, e pai ana ki nga mahi whakauru ngawari ake i nga mahi uaua.
28. He aha te rerekee o te whakapumautanga me te whakataurite i a raatau ano?
Ko nga tikanga e rua e whakamahia nuitia ana mo te whakatauine ahua ko te whakapumau me te paerewa.
Whakaputanga:
- Ko te whakatikatika i nga raraunga kia pai ki te awhe [0,1] e mohiotia ana ko te whakarite.
- Ina he rite te tauine pai o nga tawhā katoa, he pai te whakapumautanga, engari ka ngaro nga tuara o te huinga raraunga.
Whakariteritenga:
- Ka whakatauirahia nga raraunga ki te whai i te toharite o te 0 me te inenga paerewa o te 1 hei waahanga o te tukanga paerewa (Waeine rereke)
29. He aha te tikanga o te "tauwehe pikinga rereke"?
Ko te tauwehenga o te rereketanga o te tauira ki te rereketanga o te tauira me te taurangi motuhake kotahi anake e mohiotia ana ko te rereketanga o te pikinga pikinga (VIF).
Ka whakatau tata a VIF i te nui o te maha o te tini i roto i te huinga o nga taurangi whakahekenga maha.
Rerekētanga o te tauira (VIF) Tauira me te Rerekē Taurangi Motuhake Kotahi
30. I runga i te rahi o te huinga whakangungu, me pehea koe e whiriwhiri ai i te kaikorero?
He pai ake te mahi a te tauira rerekee, iti ake mo te huinga whakangungu poto na te mea he iti ake te taapiri. Ko Naive Bayes tetahi tauira.
Hei tohu i nga taunekeneke uaua ake mo te huinga whakangungu nui, he pai ake te tauira me te iti o te rītaha me te rereketanga nui. He tauira pai te whakahekenga o te logistic.
31. He aha te algorithm i roto i te ako miihini e kiia ana ko te "akonga mangere" me te aha?
He akonga puhoi, ko KNN he miihini ako algorithm. Na te mea ka kaha te tatau a K-NN i te tawhiti i ia wa e hiahia ana ia ki te whakarōpū, kaua ki te ako i nga uara ako-miihini, i nga taurangi ranei mai i nga raraunga whakangungu, ka maumahara ia ki te huinga raraunga whakangungu.
Ko tenei ka waiho a K-NN hei akonga mangere.
32. He aha te RoC Curve me te AUC?
Ko te mahinga o te tauira whakarōpūtanga i nga paepae katoa e tohu kauwhata ana e te arai ROC. He reeti pai pono me nga paearu reeti pai teka.
Me korero noa, ko te waahi kei raro i te pihi ROC e mohiotia ana ko AUC (Area Under the ROC Curve). Ko te horahanga ahu-rua o te anau ROC mai i te (0,0) ki te AUC ka ine (1,1). Mo te aromatawai i nga tauira whakarōpū-rua, ka whakamahia hei tatauranga mahi.
33. He aha nga tawhārua? He aha te mea motuhake mai i nga tawhā tauira?
Ko te taurangi o roto o te tauira e mohiotia ana ko te tawhā tauira. Ma te whakamahi i nga raraunga whakangungu, ka tata te uara o te tawhā.
Kaore i te mohiohia e te tauira, he taurangi te taurangi. Kaore e taea te whakatau i te uara mai i nga raraunga, na reira ka whakamahia i nga wa katoa ki te tatau i nga tawhā tauira.
34. He aha te tikanga o te Tohu F1, te maumahara, me te tika?
Ko te ine rangirua ko te ine i whakamahia hei ine i te whaihuatanga o te tauira whakarōpūtanga. Ka taea te whakamahi i nga kianga e whai ake nei hei whakamarama ake i te ine rangirua:
TP: True Positives – Koia nga uara pai i whakaarohia tika. E tohu ana he pai nga uara o te akomanga matapae me te akomanga tuuturu.
TN: Nga Tikanga Tika- Koia nga uara kino i tika te matapae. E tohu ana he kino te uara o te karaehe tuturu me te karaehe e tumanakohia ana.
Ko enei uara—te pai me te kino teka—ka puta ina rereke to karaehe i te karaehe e tumanakohia ana.
Na,
Ko te ōwehenga o te reeti pai pono (TP) ki nga kitenga katoa i mahia i roto i te karaehe tuuturu ka kiia ko te whakamaharatanga, e kiia ana ko te tairongo.
Ko te whakamaharatanga ko TP/(TP+FN).
Ko te tino tika he inenga o te uara matapae pai, e whakatairite ana i te maha o nga huanga e tino matapaetia ana e te tauira ki te maha o nga huanga tika e matapae tika ana.
Ko te TP/(TP + FP)
Ko te inenga mahi ngawari ki te mohio ko te tika, ko te waahanga noa o nga tirohanga kua matapae tika ki nga tirohanga katoa.
He rite te tika ki te (TP+TN)/(TP+FP+FN+TN).
Ko te Tika me te Maharahara ka paunatia me te tauwaenga hei whakarato i te Uka F1. Ko te mutunga, ka whakaarohia e tenei kaute nga hua pai me nga kino teka.
He nui ake te utu o te F1 i te tika, ina koa ki te kore e rite te tohatoha o te karaehe, ahakoa kare he maamaa te maarama ki te tika.
Ko te tino tika ka tutuki i te wa e whakatauritea ana te utu o nga hua pai me nga kino teka. He pai ake ki te whakauru i te Whakaaetanga me te Whakamahara mena he rereke nga utu e pa ana ki nga hua pai me nga kino teka.
35. He aha tonu te whakamana-whakawhiti?
Ko te huarahi whakatauira tauanga e kiia nei ko te whakamana-whakawhiti i roto i te ako miihini e whakamahi ana i nga huinga huingararaunga maha hei whakangungu me te arotake i te algorithm ako miihini puta noa i te maha o nga rauna.
Ko te kohinga raraunga hou kaore i whakamahia ki te whakangungu i te tauira ka whakamatauhia ma te whakamahi i te whakamana-whakawhiti kia kite i te pai o te tohu a te tauira. Ka aukatihia te taapiri raraunga ma te whakamana-whakawhiti.
K-Fold Ko te tikanga whakamaarama tauira e tino whakamahia ana ka wehewehea te huingararaunga katoa ki nga huinga K o nga rahi rite. Ka kiia ko te whakamana-whakawhiti.
36. Me kii kua kitea e koe he rereketanga nui to tauira. He aha te algorithm, ki to whakaaro, e pai ana ki te hapai i tenei ahuatanga?
Te whakahaere i te rereketanga nui
Me whakamahi tatou i te tikanga peke mo nga raruraru me nga rereketanga nui.
Ka whakamahia e te pute algorithm te whakatauira o nga raraunga matapōkere ki te wehewehe i nga raraunga ki nga roopu iti. Ina wehea nga raraunga, ka taea e taatau te whakamahi i nga raraunga matapōkere me tetahi tikanga whakangungu motuhake hei whakaputa ture.
Whai muri i tera, ka taea te whakamahi pooti hei whakakotahi i nga matapae a te tauira.
37. He aha te rereketanga o te hekenga o Ridge me te hekenga Lasso?
E rua nga tikanga whakatikatika e whakamahia nuitia ana ko Lasso (e kiia ana ko L1) me Ridge (i etahi wa ka kiia ko L2). Ka whakamahia hei aukati i te taapiri o nga raraunga.
Kia kitea ai te otinga pai me te whakaiti i te uauatanga, ka whakamahia enei tikanga ki te whiu i nga whakarea. Na roto i te whiu i te tapeke o nga uara tino o nga whakarea, ka mahi te regression Lasso.
Ko te mahi whiu i roto i te Ridge me te L2 regression i ahu mai i te tapeke o nga tapawha o nga whakarea.
38. Ko tehea te mea nui: te mahi tauira, te tika ranei o te tauira? Ko tehea me te aha koe ka pai ai?
He patai tinihanga tenei, na reira me maarama i te tuatahi he aha te Mahinga Tauira. Mena kua tautuhia te mahi hei tere, ka whakawhirinaki ki te momo tono; Ko nga tono katoa e pa ana ki te waahi-waahi me tere tere hei waahanga nui.
Hei tauira, ka iti ake te utu o nga Hua Rapu pai mena ka roa rawa te taenga mai o nga hua Uiui.
Mēnā ka whakamahia te Mahinga hei tika mo te take e tika ai te aro nui me te maumahara ki runga ake i te tika, katahi ka pai ake te whiwhinga F1 i te tika ki te whakaatu i te keehi pakihi mo nga huinga raraunga kore taurite.
39. Me pehea koe e whakahaere ai i tetahi huingararaunga me nga taurite kore?
Ka whai hua te huingararaunga kore taurite mai i nga tikanga whakatauira. Ka taea te mahi tauira i raro i te tauira nui ranei.
I raro i te Sampling ka taea e tatou te whakaheke i te rahi o te nuinga o te karaehe kia rite ki te karaehe tokoiti, e awhina ana ki te whakanui ake i te tere e pa ana ki te rokiroki me te mahi-waahi engari ka ngaro pea nga raraunga utu nui.
Hei whakatika i te take o te ngaronga o nga korero na te nui o te tauira, ka whakatauirahia e matou te akomanga Itiiti; heoi, na tenei ka raru tatou ki nga take e tino pai ana.
Ko etahi atu rautaki ko:
- I runga i te Whakatauira Mahinga- Ko te hunga tokoiti me te nuinga o nga karaehe ka tukuna takitahi ki te tikanga whakahiato K-means i tenei ahuatanga. Ka mahia tenei ki te kimi i nga huinga huingararaunga. Na, ka whakahiatohia ia tautau kia rite te rahi o nga karaehe katoa me nga tautau katoa i roto i te karaehe kia rite te maha o nga tauira.
- TE WHAKAMAHI: Hangarau Whakatauira Maamaa Te Itiiti- Ko te waahanga raraunga mai i te karaehe tokoiti ka whakamahia hei tauira, ka mutu ka whakaputahia etahi atu tauira hangai e rite ana ki a ia, ka taapirihia ki te huingararaunga taketake. He pai te mahi a tenei tikanga me nga tohu raraunga tau.
40. Me pehea koe e wehewehe ai i waenga i te whakanui me te peke?
He momo putanga a Ensemble Techniques e mohiotia ana ko te putea me te whakakaha.
peke-
Mo nga algorithms he nui te rereketanga, ko te peke he tikanga hei whakaheke i te rereketanga. Ko tetahi o nga whanau o nga kaiwhakatakoto whakaaro e kaha ana ki te rītaha ko te whanau rakau whakatau.
Ko te momo raraunga e whakangungua ana nga rakau whakatau ka whai paanga nui ki a raatau mahi. Na tenei, ahakoa he tino pai te whakatikatika, he uaua ake i etahi wa te whakawhänui i nga putanga.
Mena ka whakarereketia nga raraunga whakangungu a nga rakau whakatau, ka rereke nga hua.
Ko te mutunga mai, ka whakamahia te peeke, he maha nga rakau whakatau ka hangaia, ka whakangungua ia rakau ma te whakamahi i tetahi tauira o nga raraunga taketake, ko te mutunga ko te toharite o enei tauira rereke katoa.
Whakanuia:
Ko te Whakanui ko te tikanga o te hanga matapae me te punaha whakaroanga n-ngoikore e taea ai e ia whakaroanga ngoikore nga ngoikoretanga o ana whakarōpū kaha ake. Ka korero matou ki tetahi whakarōpū e mahi kino ana i runga i tetahi huinga raraunga hei "kaiwhakahirahira ngoikore."
Ko te whakakaha ake he tukanga, kaua ko te algorithm. He tauira noa o te whakarōpū ngoikore me nga rakau whakatau tata.
Ko Adaboost, Gradient Boosting, me XGBoost ko nga huringa e rua tino rongonui, engari, he maha atu.
41. Whakamaramahia nga rereketanga o te ako arataki me te ako whakaheke.
Ina ako ma te tauira mai i te huinga tauira kua kitea, ka whakamahia e te tauira te ako arataki kia tae ki te whakatau whanui. I tetahi atu taha, me te ako whakaheke, ka whakamahia e te tauira te hua i mua i te hanga i tana ake.
Ko te ako arataki ko te mahi tango whakatau mai i nga kitenga.
Ko te ako deductive ko te tukanga o te hanga tirohanga i runga i nga whakatau.
Opaniraa
Kia ora! Koinei nga patai uiui 40 me runga ake mo te ako miihini e mohio ana koe inaianei ki nga whakautu. Pūtaiao raraunga me mātauranga horihori ka haere tonu nga mahi i te wa e ahu whakamua ana te hangarau.
Ko nga kaitono e whakahou ana i o raatau mohiotanga mo enei hangarau hou me te whakapai ake i o raatau pukenga ka taea te rapu i te maha o nga momo huarahi mahi me te utu whakataetae.
Ka taea e koe te haere tonu ki te whakautu i nga uiuinga inaianei kua tino mohio koe ki te whakautu ki etahi o nga patai uiuinga ako miihini.
I runga i o whainga, mahia te taahiraa e whai ake nei. Whakaritea mo nga uiuinga ma te toro atu ki a Hashdork's Raupapa Uiuiraa.
Waiho i te Reply