Lisi o Mataupu[Natia][Fa'aali]
- 1. Fa'amatala le eseesega i le va o le a'oa'oina o masini, atamai fa'apitoa, ma le a'oa'oina loloto.
- 2. Fa'amolemole fa'amatala ituaiga eseese o a'oa'oga masini.
- 3. O le a le fa'aituau ma le eseesega o fefa'ataua'iga?
- 4. Algoritme a'oa'oga masini ua fa'atupu tele i le aluga o taimi. E fa'afefea ona filifili e se tasi le algorithm sa'o e fa'aoga ai se seti fa'amaumauga?
- 5. E faapefea ona eseese le covariance ma le faamaopoopoina?
- 6. I le a'oa'oina o masini, o le a le uiga o le fa'aputu?
- 7. O le a le mea e sili ona e manaʻo e aʻoaʻoina ai masini algorithm?
- 8. Linear Regression in Machine Learning: O le a?
- 9. Faamatala le eseesega i le va o le KNN ma le k-means clustering.
- 10. O le ā le uiga o le “filifiliga faaituʻau” iā te oe?
- 11. O le a tonu lava le Fa'atonu a Bayes?
- 12. I se Fa'ata'ita'iga a le Masini A'oa'oga, o le a le 'Seti a'oa'oga' ma le 'Seti su'ega'?
- 13. O le a le manatu ole a'oa'oga i masini?
- 14. O le ā le uiga o le soona faaaogāina o masini aʻoaʻoina, ma e mafai faapefea ona taofia?
- 15. O le a tonu le fa'avasegaga o Naive Bayes?
- 16. O le a le uiga o Galuega Fa'atino ma Galuega Fa'aletonu?
- 17. O le a le mea e ese ai se faʻataʻitaʻiga faʻatupuina mai se faʻataʻitaʻiga faʻailoga?
- 18. Faamatala le eseesega i le va o le Ituaiga I ma le Ituaiga II sese.
- 19. I le aʻoaʻoina o masini, o le a le auala e aʻoaʻo ai Ensemble?
- 20. O ā tonu lava fa'atusa parametric? Tuuina atu se faataitaiga.
- 21. Fa'amatala fa'amama fa'atasi. E fa'apea fo'i ma le fa'avasegaina o mea?
- 22. O le ā tonu le uiga o lau tala i le faasologa o Taimi?
- 23. Faamatala le eseesega i le va o le Gradient Boosting ma Random Forest algorithms.
- 24. Aisea e te manaʻomia ai se matrix fenumiai? O le a?
- 25. O le ā tonu lava le suʻesuʻega o vaega autū?
- 26. Aisea e taua tele ai le fesuia'iga o vaega i le PCA (su'esu'e vaega autu)?
- 27. E fa'apefea ona 'ese'ese le fa'atonuina ma le fa'atonuina o le tasi i le isi?
- 28. E fa'afefea ona 'ese'ese le fa'avasegaina ma le fa'avasegaina?
- 29. O le ā tonu lava le uiga o le “vaaiga tau aofaʻi o eseesega”?
- 30. Fa'atatau i le tele o le seti a'oa'oga, fa'apefea ona e filifilia se fa'avasegaga?
- 31. O le a le algorithm i le aʻoaʻoina o masini e taʻua o le "tagata paie" ma aisea?
- 32. O le a le ROC Curve ma le AUC?
- 33. O le a le hyperparameters? O le a le mea e tulaga ese ai i latou mai le faʻataʻitaʻiga faʻataʻitaʻiga?
- 34. O le a le uiga o le Sikoa F1, manatua, ma le sa'o?
- 35. O le a tonu lava le fa'amaoniga fa'asagatau?
- 36. Fa'apea na e iloa o lau fa'ata'ita'iga e iai se eseesega tele. O le a le algorithm, i lou manatu, e sili ona fetaui e taulimaina lenei tulaga?
- 37. O le a le mea e fa'aesea ai Ridge regression mai Lasso regression?
- 38. O le fea e sili ona taua: fa'ata'ita'iga fa'atinoga po'o fa'ata'ita'iga sa'o? O le fea ma aisea e te fiafia ai i ai?
- 39. E fa'apefea ona e fa'atautaia se fa'amaumauga fa'atasi ma fa'aletonu?
- 40. E mafai faapefea ona e iloa le eseesega i le va o le siitia ma le ato?
- 41. Fa'amatala le 'ese'esega i le va o le fa'aa'oa'oga fa'atosina ma le fa'asolo.
- iʻuga
Pisinisi o loʻo faʻaogaina tekinolosi faʻapitoa, e pei o le atamai faʻapitoa (AI) ma le aʻoaʻoina o masini, e faʻateleina ai le avanoa o faʻamatalaga ma auaunaga i tagata taʻitoʻatasi.
O nei tekonolosi o loʻo faʻaaogaina e le tele o alamanuia, e aofia ai faletupe, tupe, faʻatau oloa, gaosiga, ma le soifua maloloina.
O se tasi o matafaioi faʻalapotopotoga e sili ona suʻesuʻeina e faʻaaogaina AI e mo suʻesuʻega faʻamaumauga, inisinia atamai faʻapitoa, inisinia aʻoaʻoga masini, ma suʻega faʻamaumauga.
O lenei pou o le a taʻitaʻia oe i le tele o ituaiga masini suʻesuʻe fa'atalanoaina fesili, mai le fa'avae i le lavelave, e fesoasoani ia te oe e sauni ai mo so'o se fesili e mafai ona fesiligia pe a su'e lau galuega lelei.
1. Fa'amatala le eseesega i le va o le a'oa'oina o masini, atamai fa'apitoa, ma le a'oa'oina loloto.
O le atamai fa'akomepiuta e fa'aaogaina ai le tele o a'oa'oga masini ma auala loloto a'oa'oga e fa'ataga ai faiga faakomepiuta e fa'atino ai galuega e fa'aogaina ai le atamai fa'atagata fa'atasi ma fa'atonuga ma tulafono.
E fa'aogaina e masini a'oa'oga le tele o fa'amaumauga ma auala e a'oa'o loloto e mafai ai e masini ona a'oa'o mai a latou fa'atinoga muamua ma fa'agasolo atili ai i le fa'atinoina o galuega patino e aunoa ma le vaavaaiga a tagata.
O le Deep Learning o se tuufaatasiga o algorithms e mafai ai e le polokalama ona aʻoaʻo mai ia te ia lava ma faʻatino galuega faʻapisinisi eseese, e pei o le faʻalauiloaina o le leo ma ata.
Faiga e fa'aalia ai a latou fa'apipi'i tele fesoʻotaiga i tua i le tele o faʻamaumauga mo aʻoaʻoga e mafai ona faia aʻoaʻoga loloto.
2. Fa'amolemole fa'amatala ituaiga eseese o a'oa'oga masini.
O aʻoaʻoga masini e iai i ituaiga eseese e tolu lautele:
- A'oa'oga Va'aia: O se fa'ata'ita'iga e fa'atupu ai fa'amatalaga po'o fa'amasinoga e fa'aaoga ai fa'amaumauga fa'ailoga po'o fa'amaumauga fa'asolopito i a'oa'oga masini va'aia. O fa'amaumauga ua fa'ailogaina pe fa'ailogaina ina ia fa'ateleina ai o latou uiga ua ta'ua o fa'amaumauga fa'ailoga.
- A'oa'oga e le'i va'aia: E leai ni a matou fa'amatalaga fa'ailoga mo a'oa'oga e le'i va'aia. I faʻamaumauga o loʻo oʻo mai, e mafai e se faʻataʻitaʻiga ona maua faʻataʻitaʻiga, mea uiga ese, ma faʻasalalauga.
- A'oa'oga Fa'amalosi: E mafai e le fa'ata'ita'iga aʻoaʻo e ala i le faʻaaogaina o le faʻamalosi a'oa'oga ma taui na maua mo ana amio muamua.
3. O le a le fa'aituau ma le eseesega o fefa'ataua'iga?
O le fa'aogaina o se fa'ai'uga o le fa'aituau, o le maualuga lea e fetaui ai se fa'ata'ita'iga ma fa'amaumauga. O le fa'aituau e mafua mai i manatu sese pe faigofie tele i lau masini aʻoaʻoga algorithm.
O le eseesega e faasino i mea sese e mafua mai i le lavelave i lau ML algorithm, lea e maua ai le maaleale i tikeri tetele o eseesega i faʻamatalaga aʻoaʻoga ma le faʻaogaina.
O le eseesega o le tele o le eseesega o se faʻataʻitaʻiga e faʻalagolago i mea faʻaoga.
I se isi faaupuga, o fa'ata'ita'iga fa'avae e matua fa'aituau ae mautu (maualalo le eseesega). O le fa'aogaina o se fa'afitauli i fa'ata'ita'iga lavelave, e ui lava ina latou pu'eina le moni o le fa'ata'ita'iga (maualalo fa'aituau).
Ina ia puipuia uma le maualuga o fesuiaiga ma le maualuga o le faʻaituau, o se fefaʻatauaʻiga i le va o le faʻaituau ma le faʻaituau e manaʻomia mo le faʻaitiitia o mea sese sili.
4. Algoritme a'oa'oga masini ua fa'atupu tele i le aluga o taimi. E fa'afefea ona filifili e se tasi le algorithm sa'o e fa'aoga ai se seti fa'amaumauga?
Ole auala e a'oa'o ai masini e tatau ona fa'aogaina e fa'alagolago ile ituaiga fa'amaumauga ile fa'amaumauga fa'apitoa.
Pe a laina laina faʻamaumauga, faʻaaogaina le faʻasologa laina. E sili atu le lelei o le faiga o ato pe a fa'ailoa mai fa'amaumauga e leai se laina. E mafai ona matou fa'aogaina la'au fa'ai'uga po'o le SVM pe afai e tatau ona su'esu'eina fa'amaumauga pe fa'amatalaina mo fa'amoemoega faapisinisi.
O feso'ota'iga neural atonu e aoga e maua ai se tali sa'o pe afai o le seti e aofia ai ata, vitio, ma leo.
Ole filifiliga ole algorithm mo se tulaga fa'apitoa po'o le aoina o fa'amaumauga e le mafai ona faia na'o se fua e tasi.
Mo le faʻamoemoe o le atinaʻeina o le auala sili ona fetaui, e tatau ona tatou suʻesuʻeina muamua faʻamatalaga e faʻaaoga ai suʻesuʻega faʻamaumauga (EDA) ma malamalama i le sini o le faʻaaogaina o faʻamaumauga.
5. E faapefea ona eseese le covariance ma le faamaopoopoina?
Covariance e iloilo pe faʻafefea ona fesoʻotaʻi ni fesuiaiga se lua i le tasi ma pe faʻafefea ona suia le tasi i le tali atu i suiga i le isi.
Afai o le taunuuga e lelei, o loʻo faʻaalia ai o loʻo i ai se fesoʻotaʻiga tuusaʻo i le va o fesuiaiga ma o le tasi o le a tulaʻi pe faʻaitiitia i se faʻaopoopoga poʻo le faʻaitiitia o le fesuiaiga faavae, ma manatu o isi tulaga uma e tumau pea.
O le fa'amaopoopo e fuaina ai le so'otaga i le va o suiga fa'afuase'i e lua ma e na'o le tolu tulaga taualoa: 1, 0, ma le -1.
6. I le a'oa'oina o masini, o le a le uiga o le fa'aputu?
O metotia a'oa'oga e le'i va'aia e fa'aputu fa'atasi ai fa'amaumauga e ta'ua o le fa'aputu. Faatasi ai ma le aoina o faʻamatalaga faʻamatalaga, e mafai ona faʻaogaina le metotia faʻapipiʻi.
E mafai ona e fa'avasegaina fa'amaumauga uma e tusa ai ma a latou galuega e fa'aaoga ai lenei ta'iala.
O foliga ma uiga o faʻamaumauga o faʻamaumauga e pa'ū i le vaega tutusa e tutusa, ae o faʻamaumauga o faʻamaumauga e pa'ū i vaega eseese e eseese.
E mafai ona fa'aoga lenei faiga e fa'avasega ai fa'amaumauga fa'amaumauga.
7. O le a le mea e sili ona e manaʻo e aʻoaʻoina ai masini algorithm?
E te maua le avanoa e faʻaalia ai ou manaʻoga ma taleni tulaga ese i lenei fesili, faʻapea foʻi ma lou malamalama atoatoa i le tele o metotia aʻoaʻoga masini.
O nisi nei o algorithms masani aʻoaʻoga masini e mafaufau i ai:
- Fa'asologa laina
- Fa'afouga fa'atau
- Naive Bayes
- Filifiliga laau
- K o lona uiga
- Algoritimi o vaomatua fa'afuase'i
- K- tuaoi pito lata ane (KNN)
8. Linear Regression in Machine Learning: O le a?
Ole fa'atonuga ole a'oa'oga ole masini ole fa'asologa ole laina.
O lo'o fa'aaogaina i su'esu'ega vavalo e iloa ai le feso'ota'iga laina i le va o fesuiaiga fa'alagolago ma tuto'atasi.
Ole fa'asologa ole fa'asologa ole laina e fa'apea:
Y = A + BX
pe afai:
- O le fa'aoga po'o le fesuiaiga tuto'atasi e ta'ua o le X.
- O le fa'alagolago po'o le fua fa'atatau o le Y.
- O le numera o le X o le b, ma o lona fa'alavelave o le a.
9. Faamatala le eseesega i le va o le KNN ma le k-means clustering.
O le eseesega muamua o le KNN (se metotia faʻavasegaina, aʻoaʻoga vaʻavaʻaia) e manaʻomia ni faʻailoga ae o le k-o lona uiga e le (faʻapipiʻi algorithm, aʻoaʻoga e leʻi vaʻaia).
E mafai ona e fa'avasegaina fa'amaumauga e fa'ailogaina i se mea e le fa'ailogaina e ala ile fa'aogaina ole K-Nearest Neighbors. K-o lona uiga o le fa'aputuina e fa'aaoga ai le va'a masani i le va o togi e a'oa'o ai pe fa'afefea ona fa'avasega mata'ina.
10. O le ā le uiga o le “filifiliga faaituʻau” iā te oe?
Ole fa'aituau ile la'asaga fa'ata'ita'iga ole su'ega e mafua ile le sa'o o fa'amaumauga.
E tasi le vaega fa'ata'ita'iga e filifilia soo nai lo isi vaega i le fa'ata'ita'iga ona o le le sa'o.
Afai e le amana'ia le fa'aituau o filifiliga, e ono i'u ai i se fa'ai'uga sese.
11. O le a tonu lava le Fa'atonu a Bayes?
A tatou nofouta i isi mea e ono tutupu, e mafai ona tatou fuafuaina se avanoa e faʻaaoga ai le Bayes' Theorem. O lo'o ofoina mai ai le fa'amoemoe o se mea e tupu e fa'atatau i fa'amatalaga muamua, i se isi faaupuga.
O lo'o tu'uina mai e lenei a'oa'oga se auala lelei mo le fa'atatauina o tulaga e ono tula'i mai.
Pe a atia'e fa'avasegaga fa'ata'ita'iga fa'ata'ita'iga fa'afitauli ma fa'afetaui se fa'ata'ita'iga i se a'oa'oga faʻamaumauga i le aʻoaʻoina o masini, Bayes' theorem ua fa'aogaina (ie Naive Bayes, Bayes Optimal Classifier).
12. I se Fa'ata'ita'iga a le Masini A'oa'oga, o le a le 'Seti a'oa'oga' ma le 'Seti su'ega'?
Seti a'oa'oga:
- O le seti o aʻoaʻoga e aofia ai faʻataʻitaʻiga e auina atu i le faʻataʻitaʻiga mo auʻiliʻiliga ma aʻoaʻoga.
- O faʻamaumauga faʻailoga lea o le a faʻaaogaina e toleni ai le faʻataʻitaʻiga.
- E masani lava, 70% o le aofaʻi o faʻamaumauga e faʻaaogaina e avea ma faʻamaumauga aʻoaʻoga.
Seti Su'ega:
- O le seti su'ega e fa'aoga e su'esu'e ai le sa'o a'ia'i o le fa'ata'ita'iga.
- Matou te suʻeina e aunoa ma faʻamaufaʻailogaina faʻamaumauga ona faʻaogaina lea o igoa e faʻamaonia ai iʻuga.
- O le 30% totoe o loʻo faʻaaogaina e fai ma faʻamaumauga suʻega.
13. O le a le manatu ole a'oa'oga i masini?
Masini A'oa'oga e mafai ai le fa'aogaina o fa'amaumauga o lo'o i ai nei e malamalama atili ai i se galuega tu'ufa'atasia e feso'ota'i ai mea e fa'aoga i galuega faatino. E ta'ua lea o le function approximation.
I le tulaga lea, e tatau ona fa'aogaina le fa'atatauga mo le galuega fa'atatau e le iloa e fa'afeiloa'i uma fa'amatalaga e mafai ona fa'atatau i le tulaga ua tu'uina atu i le auala sili e mafai ai.
I le a'oa'oina o masini, o le manatu o se fa'ata'ita'iga lea e fesoasoani i le fa'atatauina o le galuega fa'atatau ma fa'amae'aina fa'afanua talafeagai i totonu-i-output.
O le filifilia ma le mamanu o algorithms e mafai ai ona faʻamalamalamaina le avanoa o faʻamatalaga talafeagai e mafai ona faʻatusalia e se faʻataʻitaʻiga.
Mo se manatu e tasi, o le mataitusi laiti h (h) o loʻo faʻaogaina, ae o le mataitusi tetele h (H) o loʻo faʻaogaina mo le avanoa atoa ole manatu o loʻo suʻeina. O le a matou iloiloina faʻapuupuu nei faʻamatalaga:
- O se manatu (h) o se fa'ata'ita'iga fa'apitoa e fa'afaigofie ai le fa'afanua o mea e tu'uina atu i galuega faatino, lea e mafai ona fa'aaoga mulimuli ane mo le iloiloga ma le va'aiga.
- O se seti o manatu (H) ose avanoa su'esu'e o manatu e mafai ona fa'aoga e fa'afanua mea e fai i galuega faatino. Fa'asologa o mataupu, fa'ata'ita'iga, ma fa'ata'ita'iga fa'ata'ita'iga o nai fa'ata'ita'iga o tapula'a lautele.
14. O le ā le uiga o le soona faaaogāina o masini aʻoaʻoina, ma e mafai faapefea ona taofia?
Pe a taumafai se masini e aʻoaʻo mai se faʻamaumauga e le lava, e tupu le faʻaogaina.
O le i'uga, o le fa'apipi'iina o lo'o feso'ota'i fa'atasi ma le tele o fa'amaumauga. Ole auala ole fa'amautu fa'asilasilaga e mafai ai ona 'alo'ese mai le fa'apipi'i tele mo fa'amaumauga laiti. E vaevaeina se fa'amaumauga i ni vaega se lua i lenei metotia.
O faʻamaumauga mo suʻega ma aʻoaʻoga o le a aofia ai vaega nei e lua. O faʻamaumauga o aʻoaʻoga e faʻaaogaina e fai ai se faʻataʻitaʻiga, aʻo faʻaogaina le faʻataʻitaʻiga faʻataʻitaʻiga e iloilo ai le faʻataʻitaʻiga e faʻaaoga ai mea eseese.
O le auala lea e puipuia ai le soona fa'apipi'i.
15. O le a tonu le fa'avasegaga o Naive Bayes?
O metotia fa'avasegaga 'ese'ese e fai a'e ai le fa'avasegaga o Naive Bayes. O se seti o algorithms ua taʻua o nei faʻavasegaga e galulue uma i luga o le manatu faavae tutusa.
O le manatu na faia e le naive Bayes classifiers e faapea o le iai po o le toesea o se tasi foliga e leai se aoga i le i ai po o le leai o se isi vaega.
I se isi faaupuga, o le mea lea tatou te taʻua o le "naive" talu ai e mafua ai le manatu o uiga taʻitasi taʻitasi e tutusa le taua ma tutoatasi.
O le fa'avasegaga e faia i le fa'aogaina o fa'avasegaga naive Bayes. E faigofie ona fa'aoga ma maua ai ni fa'ai'uga e sili atu nai lo fa'ailoga lavelave pe a sa'o le manatu tuto'atasi.
I su'esu'ega o tusitusiga, fa'amama spam, ma faiga fa'atonu, o lo'o fa'afaigaluegaina.
16. O le a le uiga o Galuega Fa'atino ma Galuega Fa'aletonu?
O le fasifuaitau "gaioiga leiloa" e faasino i le faagasologa o le fuafuaina o mea leiloa pe a na o le tasi le vaega o faʻamaumauga e amanaia.
I se fa'afeagai, matou te fa'aogaina le tau e fuafua ai le aofa'i o mea sese mo le tele o fa'amaumauga. E leai se eseesega taua o iai.
I se isi faaupuga, e ui o tau o galuega e faʻapipiʻiina le eseesega mo le faʻamaumauga o aʻoaʻoga atoa, o galuega leiloa ua fuafuaina e puʻeina le eseesega i le va o tau moni ma le vaʻaia mo se faʻamaumauga e tasi.
17. O le a le mea e ese ai se faʻataʻitaʻiga faʻatupuina mai se faʻataʻitaʻiga faʻailoga?
O se fa'ata'ita'iga fa'aituau e a'oa'oina ai le 'ese'esega i le va o le tele o fa'amaumauga. O se fa'ata'ita'iga fa'atupu fa'ata'ita'iga e su'e i luga o ituaiga fa'amaumauga eseese.
I luga o faʻafitauli faʻavasegaina, o faʻataʻitaʻiga faʻailoga e masani ona sili atu i isi faʻataʻitaʻiga.
18. Faamatala le eseesega i le va o le Ituaiga I ma le Ituaiga II sese.
O mea sese sese e pa'ū i lalo o le vaega o le Ituaiga I mea sese, ae o mea sese sese o loʻo alu i lalo ole Type II mea sese (fai mai e leai se mea na tupu pe a iai).
19. I le aʻoaʻoina o masini, o le a le auala e aʻoaʻo ai Ensemble?
O se metotia e ta'ua o le ensemble learning e fa'afefiloi ai le tele o fa'ata'ita'iga a'oa'oga masini e maua ai fa'ata'ita'iga sili atu ona malosi.
E mafai ona fesuisuiai se faʻataʻitaʻiga mo mafuaaga eseese. O nisi o mafuaʻaga e:
- Tagata Eseese
- Tulaga eseese
- Fa'ata'ita'iga auala eseese
O le a matou feagai ma se faʻafitauli aʻo faʻaogaina faʻamatalaga aʻoaʻoga ma suʻega a le faʻataʻitaʻiga. O le fa'aituau, feeseesea'iga, ma mea sese e le mafai ona fa'aitiitia o ituaiga ia o lenei mea sese.
I le taimi nei, matou te taʻua lenei paleni i le va o le faʻaituau ma le eseesega i le faʻataʻitaʻiga o se fefaʻatauaʻiga faʻaituau, ma e tatau ona i ai i taimi uma. O lenei fefaʻatauaʻiga e faʻataunuʻuina e ala i le faʻaaogaina o aʻoaʻoga faʻapitoa.
E ui lava o loʻo i ai auala eseese o loʻo avanoa, e lua taʻiala masani mo le tuʻufaʻatasia o le tele o faʻataʻitaʻiga:
- O se faiga fa'ale-aganu'u e ta'ua o le ato e fa'aogaina le seti a'oa'oga e maua ai seti fa'aa'oa'oga fa'aopoopo.
- Fa'aoso, ose auala e sili atu ona fa'apitoa: E pei lava o le ato, fa'amalosi e fa'aoga e su'e ai le fua fa'atatau lelei mo se seti a'oa'oga.
20. O ā tonu lava fa'atusa parametric? Tuuina atu se faataitaiga.
O lo'o i ai se aofa'i fa'atapula'aina o fa'ata'ita'iga i fa'ata'ita'iga parametric. Ina ia va'ai fa'amaumauga, pau lava le mea e tatau ona e iloa o fa'ata'ita'iga a le fa'ata'ita'iga.
O faʻataʻitaʻiga masani ia: faʻasologa o mea faʻapitoa, faʻasologa laina, ma laina SVM. O fa'ata'ita'iga e le fa'a-parametric e mafai ona fetu'una'i talu ai e mafai ona i ai se numera le fa'atapula'aina o ta'iala.
O fa'ata'ita'iga o fa'ata'ita'iga ma le tulaga o fa'amaumauga mata'ituina e mana'omia mo fa'amatalaga fa'amatalaga. O nisi nei o fa'ata'ita'iga masani: fa'ata'ita'iga autu, laau fa'ai'uga, ma k-latalata lata ane.
21. Fa'amatala fa'amama fa'atasi. E fa'apea fo'i ma le fa'avasegaina o mea?
O se metotia fa'ata'ita'i ma sa'o mo le fa'atupuina o fautuaga fa'atatau o mea o lo'o tu'ufa'atasia.
O se faiga fa'atonuga e ta'ua o le filiga fa'atasi e va'ai mai ai mea fou e ala i le fa'apaleniina o mana'oga o tagata fa'aoga ma mea e fiafia fa'atasi.
O mea e fiafia i ai tagata e na'o le pau lea o le mea e mafaufau i ai faiga fa'avae fa'atonu. E tusa ai ma filifiliga muamua a le tagata faʻaoga, o fautuaga fou e tuʻuina atu mai mea faʻapitoa.
22. O le ā tonu le uiga o lau tala i le faasologa o Taimi?
O le faasologa o taimi o se aofa'iga o fuainumera i le fa'asologa alu a'e. I luga o se taimi faʻatulagaina, e mataʻituina le gaioiga o faʻamaumauga filifilia ma puʻeina i lea taimi ma lea taimi ia faʻamaumauga.
E leai se la'ititi po'o le maualuga ole taimi fa'aofi mo fa'asologa o taimi.
Fa'asologa o taimi e masani ona fa'aogaina e tagata su'esu'e e su'esu'e fa'amaumauga e tusa ai ma o latou mana'oga tulaga ese.
23. Faamatala le eseesega i le va o le Gradient Boosting ma Random Forest algorithms.
Vaomatua fa'afuase'i:
- O le tele o la'au fa'ai'uga o lo'o fa'apotopoto fa'atasi i le pito ma e ta'ua o vaomatua fa'afuase'i.
- A'o fa'aoso le fa'alili e fua mai ai la'au ta'ito'atasi mai isi, o le vaomatua fa'afuase'i e fausia ta'i tasi i le taimi.
- Vasega tele mea e sailia galue lelei i vaomatua faʻafuaseʻi.
Fa'ateleina le Gradient:
- A'o fa'atasi vaomatua Random i la'au fa'ai'uga i le fa'ai'uga o le fa'agasologa, Gradient Boosting Machines e tu'ufa'atasia mai le amataga.
- Afai e fetu'una'i fa'amaufa'ailoga, e fa'atupu le fa'aoso fa'alili i luga o vaomatua fa'afuase'i e tusa ai ma fa'ai'uga, ae e le'o se filifiliga atamai pe afai o le seti fa'amaumauga e tele naua mea i fafo, fa'aletonu, po'o le pisapisao talu ai e ono mafua ai le fa'asili.
- A iai fa'amatalaga le paleni, e pei ona i ai i le taimi moni su'esu'ega fa'alavelave, e lelei le fa'aosoina o le gradient.
24. Aisea e te manaʻomia ai se matrix fenumiai? O le a?
O se laulau e ta'ua o le fenumia'i matrix, o nisi taimi e ta'ua o le error matrix, e fa'aaoga lautele e fa'aalia ai le lelei o le fa'avasegaina o fa'ata'ita'iga, po'o le fa'avasegaina, fa'atino i luga o se seti o fa'amaumauga o su'ega lea e iloa ai tau moni.
E mafai ai ona tatou vaʻai pe faʻapefea ona faʻatino se faʻataʻitaʻiga poʻo se algorithm. E faafaigofie ai ona tatou iloa le le malamalama i vasega eseese.
E avea o se auala e iloilo ai le lelei o se faʻataʻitaʻiga poʻo se algorithm e faʻatino.
O fa'ata'ita'iga fa'avasega fa'ata'ita'iga o lo'o tu'ufa'atasia i se fa'aputuga fenumia'i. Sa fa'aogaina fa'atauga o fa'ailoga a vasega ta'itasi e fa'amavae ai le aofa'i o valo'aga sa'o ma le sa'o.
O lo'o tu'uina mai ai fa'amatalaga e uiga i fa'aletonu na faia e le fa'avasegaga fa'apea fo'i ma ituaiga fa'aletonu eseese e mafua mai i fa'avasegaga.
25. O le ā tonu lava le suʻesuʻega o vaega autū?
E ala i le faʻaitiitia o le numera o fesuiaiga e fesoʻotaʻi ma le tasi, o le faʻamoemoe o le faʻaitiitia o le tele o le aoina o faʻamatalaga. Ae e taua le tausia o le eseesega i le tele e mafai ai.
O fesuiaiga ua suia i se seti fou o fesuiaiga ua taʻua o vaega autu.
O nei PC e fa'aola fa'atasi talu ai o latou o se fa'ailoga fa'ailoga fa'atasi.
26. Aisea e taua tele ai le fesuia'iga o vaega i le PCA (su'esu'e vaega autu)?
O le suiga e taua tele i le PCA aua e faʻamalieina ai le vaeluaga i le va o eseesega e maua e vaega taʻitasi, faʻafaigofie le faʻamatalaga o vaega.
Matou te manaʻomia vaega faʻalautele e faʻaalia ai le fesuiaiga o vaega pe a le sui vaega.
27. E fa'apefea ona 'ese'ese le fa'atonuina ma le fa'atonuina o le tasi i le isi?
Fa'atonu:
E suia faʻamatalaga i le taimi o le masani. E tatau ona e fa'avasega fa'amaumauga pe a iai fua e matua'i ese'ese, aemaise mai le maualalo i le maualuga. Fetuuna'i koluma ta'itasi ina ia fetaui uma fuainumera faavae.
Ina ia mautinoa e leai se leiloa o le saʻo, e mafai ona aoga lenei mea. O le su'eina o le fa'ailoga a'o le amana'ia le pisa o se tasi lea o fa'amoemoega o a'oa'oga fa'ata'ita'iga.
E iai le avanoa e fa'asili ai pe a tu'uina atu i le fa'ata'ita'iga le pulea atoatoa e fa'aitiitia ai mea sese.
Fa'atonu:
I le fa'avasegaina, e fa'aleleia le galuega o valo'aga. Ole mea lea e fa'atatau ile fa'atonuga e ala ile fa'atonuina, lea e fa'amalieina ai galuega fa'aoga faigofie nai lo mea lavelave.
28. E fa'afefea ona 'ese'ese le fa'avasegaina ma le fa'avasegaina?
O auala e lua e sili ona faʻaaogaina mo le faʻavasegaina o foliga o le faʻavasegaina ma le faʻavasegaina.
Fa'atonu:
- Toe fa'aleleia o fa'amaumauga e fetaui ma se [0,1] laina ua ta'ua o le fa'avasegaina.
- Afai e tatau ona tutusa uma le fua fa'atatau, e aoga le fa'avasegaina, ae o fa'amaumauga o fa'amaumauga e leiloa.
Fa'atonu:
- O faʻamaumauga e toe faʻaleleia ina ia i ai se uiga o le 0 ma se faʻasologa masani o le 1 e avea o se vaega o le faʻasologa o le faʻasologa (Unit variance)
29. O le ā tonu lava le uiga o le “vaaiga tau aofaʻi o eseesega”?
O le fua faatatau o le eseesega o le faʻataʻitaʻiga i le eseesega o le faʻataʻitaʻiga ma naʻo le tasi le fesuiaiga tutoʻatasi e taʻua o le fesuiaiga o le tau o oloa (VIF).
VIF fuaina le aofaʻi o multicollinearity o loʻo i ai i se seti o le tele o fesuiaiga o suiga.
Eseesega o le faʻataʻitaʻiga (VIF) Faʻataʻitaʻiga ma le Tasi Feeseeseaʻiga Tutoatasi
30. Fa'atatau i le tele o le seti a'oa'oga, fa'apefea ona e filifilia se fa'avasegaga?
O le fa'aituau maualuga, fa'aitiitiga fa'atusa e sili atu ona lelei mo se fa'aa'oa'oga pu'upu'u ona e fa'aitiitia le fa'aogaina. Naive Bayes o se tasi o faʻataʻitaʻiga.
Ina ia faʻatusalia fegalegaleaiga sili atu ona lavelave mo se seti aʻoaʻoga tele, o se faʻataʻitaʻiga e maualalo le faʻaituau ma le maualuga o le eseesega e sili. O se fa'ata'ita'iga lelei le toe fa'afo'i fa'atauga.
31. O le a le algorithm i le aʻoaʻoina o masini e taʻua o le "tagata paie" ma aisea?
O se tagata aʻoaʻo paie, KNN o se masini aʻoaʻoina algorithm. Ona o le K-NN dynamically fuafua mamao i taimi uma e manao e faavasega nai lo le aoaoina o so o se masini-aʻoaʻoina tulaga faatauaina po o fesuiaiga mai le faamatalaga aoaoga, e taulotoina le dataset aoaoga.
O le mea lea ua avea ai K-NN ma tagata paie.
32. O le a le ROC Curve ma le AUC?
O le faʻatinoga o se faʻataʻitaʻiga faʻavasegaina i tulaga uma o loʻo faʻatusalia faʻataʻitaʻi e le ROC curve. E iai fua fa'atatau lelei moni ma fua fa'atatau lelei sese.
I se faaupuga faigofie, o le vaega i lalo o le ROC curve ua lauiloa o le AUC (Area Under the ROC Curve). O le vaega e lua-dimensional ole ROC curve mai le (0,0) i le AUC e fuaina (1,1). Mo le su'esu'eina o fa'ata'ita'iga fa'avasegaina, o lo'o fa'aaogaina e fai ma fa'amaumauga o fa'atinoga.
33. O le a le hyperparameters? O le a le mea e tulaga ese ai i latou mai le faʻataʻitaʻiga faʻataʻitaʻiga?
O se fesuiaiga i totonu o le faʻataʻitaʻiga ua lauiloa o se faʻataʻitaʻiga faʻataʻitaʻiga. O le fa'aaogaina o fa'amaumauga o a'oa'oga, e fa'atatauina le tau o se parakalafa.
Le iloa e le faʻataʻitaʻiga, o le hyperparameter o se fesuiaiga. E le mafai ona fa'amauina le tau mai fa'amaumauga, o lea e masani ona fa'aaogaina e fa'atatau i fa'ata'ita'iga fa'ata'ita'iga.
34. O le a le uiga o le Sikoa F1, manatua, ma le sa'o?
O le Fua o le fenumiai o le metric e fa'aaogaina e fua ai le aoga o le fa'ata'ita'iga fa'avasega. O fasifuaitau nei e mafai ona faʻaoga e faʻamalamalama atili ai le metric fenumiai:
TP: Mea Lelei Moni – O tulaga lelei ia sa fa'amoemoe lelei. E ta'u mai ai o tulaga taua o le vasega fuafuaina ma le vasega moni e lelei uma.
TN: Moni Leaga- O tulaga leaga ia na sa'o sa'o na valoia. E ta'u mai ai e le lelei uma le tau o le vasega moni ma le vasega fa'amoemoe.
O nei tulaga faatauaina—sese lelei ma sese sese—e tupu pe a ese lau vasega moni mai le vasega ua faamoemoeina.
O lenei,
O le fua faatatau o le fua faatatau moni (TP) i faʻamatalaga uma na faia i le vasega moni e taʻua o le manatua, e taʻua foi o le maaleale.
O le toe manatua o le TP/(TP+FN).
O le sa'o o se fua lea o le tau fa'atatau lelei, e fa'atusatusa ai le aofa'i o mea lelei o lo'o valoia moni e le fa'ata'ita'iga i le aofa'i o sa'o sa'o e va'ai sa'o.
Ole sa'o ole TP/(TP + FP)
Ole fua fa'atino pito sili ona faigofie e malamalama i ai ole sa'o, e na'o le fa'atusatusaga o fa'amatalaga sa'o va'ai ile va'aiga uma.
E tutusa le sa'o ma le (TP+TN)/(TP+FP+FN+TN).
Sa'o ma Manatu e fuaina ma averesi e maua ai le Sikoa F1. O le i'uga, o lenei togi e manatu i mea lelei sese ma mea leaga sese.
F1 e masani ona sili atu le taua nai lo le saʻo, aemaise lava pe afai e le tutusa le tufatufaina o vasega, tusa lava pe faʻaalia e le faigofie ona malamalama i le saʻo.
O le sa'o sili ona lelei e maua pe a fa'atusatusa le tau o mea sese ma mea sese. E sili atu le fa'aofiina o le Sa'o ma le Fa'amanatu pe afai e matua'i eseese tau e feso'ota'i ma mea sese ma mea leaga sese.
35. O le a tonu lava le fa'amaoniga fa'asagatau?
O se faiga fa'afuainumera resampling e ta'ua o le cross-validation i masini a'oa'oga e fa'aogaina ai le tele o seti fa'amaumauga e a'oa'o ma iloilo ai se masini a'oa'oga algorithm i le tele o ta'amilosaga.
O se vaega fou o faʻamaumauga e leʻi faʻaaogaina e aʻoaʻo ai le faʻataʻitaʻiga o loʻo faʻataʻitaʻiina i le faʻaogaina o le faʻamaoniga e iloa ai le lelei o le faʻataʻitaʻiga e vaʻai ai. O le soona fa'apipi'iina o fa'amaumauga e puipuia e ala i le fa'amaufa'ailoga.
K-Fold Ole auala e masani ona fa'aaoga e toe fa'aaoga ai e vaelua ai fa'amaumauga uma ile K seti tutusa tutusa. E ta'ua o le cross-validation.
36. Fa'apea na e iloa o lau fa'ata'ita'iga e iai se eseesega tele. O le a le algorithm, i lou manatu, e sili ona fetaui e taulimaina lenei tulaga?
Puleaina o fesuiaiga maualuga
E tatau ona tatou faʻaogaina le faiga faʻapipiʻi mo faʻafitauli i suiga tetele.
Toe fa'ata'ita'i fa'ata'ita'iga o fa'amaumauga fa'afuase'i o le a fa'aaogaina e le atofa'i algorithm e vaevae ai fa'amaumauga i vaega laiti. O le taimi lava e vaevaeina ai faʻamaumauga, e mafai ona tatou faʻaogaina faʻamatalaga faʻafuaseʻi ma se faiga faʻaaʻoaʻoga faʻapitoa e gaosia ai tulafono.
A mae'a lena, e mafai ona fa'aoga le palota e tu'ufa'atasia ai valo'aga a le fa'ata'ita'iga.
37. O le a le mea e fa'aesea ai Ridge regression mai Lasso regression?
E lua auala masani e faʻaaogaina e Lasso (faʻapitoa L1) ma Ridge (o nisi taimi e taʻua o le L2) toe faʻaleleia. O lo'o fa'aaogaina e puipuia ai le fa'aogaina o fa'amaumauga.
Ina ia maua le fofo sili ona lelei ma faʻaitiitia le lavelave, o nei metotia e faʻaaogaina e faʻasalaina ai coefficients. E ala i le faʻasalaina o le aofaʻi o tau faʻatatau o le coefficients, o loʻo galue le Lasso regression.
Ole galuega fa'asalaga ile Ridge po'o le L2 regression e maua mai i le aofa'i o sikuea o fa'atasi.
38. O le fea e sili ona taua: fa'ata'ita'iga fa'atinoga po'o fa'ata'ita'iga sa'o? O le fea ma aisea e te fiafia ai i ai?
O se fesili taufaasese lea, o lea e tatau ai ona malamalama muamua se tasi po o le a le Model Performance. Afai o le faʻatinoga e faʻamatalaina o le saoasaoa, ona faʻalagolago lea i le ituaiga o talosaga; so'o se talosaga e aofia ai se tulaga fa'a-taimi e mana'omia ai le saoasaoa maualuga o se vaega taua.
Mo se fa'ata'ita'iga, o le a fa'aitiitia le taua o I'uga o Su'esu'ega sili pe a fai e umi tele le taunu'u mai o fa'ai'uga ole Query.
Afai e fa'aaogaina le Fa'atinoga e fai ma fa'amaoniga pe aisea e tatau ai ona fa'amuamua le sa'o ma le manatua i luga a'e o le sa'o, ona sili atu lea ona aoga le sikoa F1 nai lo le sa'o i le fa'aalia o le mataupu fa'apisinisi mo so'o se fa'amaumauga e le paleni.
39. E fa'apefea ona e fa'atautaia se fa'amaumauga fa'atasi ma fa'aletonu?
O se fa'amaumauga e le paleni e mafai ona fa'amanuiaina mai metotia fa'ata'ita'iga. E mafai ona faia le fa'ata'ita'iga i se faiga i lalo po'o le fa'asili.
I lalo o Fa'ata'ita'iga e mafai ai ona fa'aitiitiina le tele o le vasega to'atele e fetaui ma le vasega la'ititi, lea e fesoasoani i le fa'ateleina o le saoasaoa e fa'atatau i le teuina ma le fa'atinoina o le taimi ae e mafai fo'i ona i'u i le leiloa o fa'amaumauga taua.
Ina ia foia le mataupu o le leiloa o faʻamatalaga e mafua mai i le tele o faʻataʻitaʻiga, matou te faʻataʻitaʻia le vasega Minority; ae ui i lea, o lenei mea e mafua ai ona tatou oʻo atu i mataupu faʻapitoa.
O ta'iala fa'aopoopo e aofia ai:
- Cluster-Based Over Sampling- O le vaega to'aitiiti ma le tele o vasega o vasega e fa'atatau lava i le K-means fa'aputuina metotia i lea tulaga. E faia lenei mea e suʻe ai faʻamaumauga o faʻamaumauga. Ona fa'asili lea o fuifui ta'itasi ina ia tutusa le lapopo'a o vasega uma ma fa'atasi uma le aofa'i o fa'ata'ita'iga o fuifui uma i totonu o le vasega.
- SMOTE: Synthetic Minority Over-sampling Technique- O se vaega o faʻamaumauga mai le vasega laʻititi o loʻo faʻaaogaina e fai ma faʻataʻitaʻiga, a maeʻa ona gaosia ma faʻaopoopo i le faʻamaumauga muamua. O lenei metotia e galue lelei i faʻamaumauga numera.
40. E mafai faapefea ona e iloa le eseesega i le va o le siitia ma le ato?
Ensemble Techniques e iai fa'aliliuga ua ta'ua o le ato ma le fa'amalosi.
ato-
Mo algorithms ma se suiga maualuga, o le ato o se metotia e faʻaaogaina e faʻaititia ai le eseesega. O se tasi o aiga o fa'avasegaga e fa'aituau o le aiga la'au fa'ai'uga.
O le ituaiga o fa'amaumauga o lo'o a'oa'oina ai la'au fa'ai'uga e iai sona a'afiaga tele i la latou fa'atinoga. Ona o lenei mea, e tusa lava pe maualuga tele le faʻaleleia, o le faʻalauteleina o taunuʻuga o nisi taimi e sili atu ona faigata ona maua i totonu.
Afai e suia fa'amaumauga o toleniga a la'au fa'ai'uga, e matua'i eseese lava i'uga.
O se taunuuga, o loʻo faʻaaogaina ato, lea e faia ai le tele o laʻau filifiliga, o ia mea taʻitasi e aʻoaʻoina e faʻaaoga ai se faʻataʻitaʻiga o faʻamaumauga muamua, ma o le taunuuga o le averesi o nei faʻataʻitaʻiga eseese uma.
Si'itia:
Boosting o le metotia o le faia o valo'aga ma se faiga fa'avasegaga n-vaivai lea e fa'avasegaina ai e fa'avasega vaivai ta'itasi le fa'aletonu o ana fa'avasegaga malolosi. Matou te faʻatatau i se faʻavasegaga e le lelei le faʻatinoga i luga o se seti faʻamaumauga o se "vaega vaivai."
O le faʻamalosia e manino lava o se faʻagasologa nai lo se algorithm. O fa'asologa fa'aletonu ma la'au fa'ai'uga papa'u o fa'ata'ita'iga masani ia o fa'avasegaga vaivai.
Adaboost, Gradient Boosting, ma XGBoost o le lua sili ona lauiloa faʻaleleia algorithms, peitaʻi, e tele isi mea.
41. Fa'amatala le 'ese'esega i le va o le fa'aa'oa'oga fa'atosina ma le fa'asolo.
Pe a aʻoaʻoina e ala i faʻataʻitaʻiga mai se seti o faʻataʻitaʻiga mataʻituina, o se faʻataʻitaʻiga e faʻaaogaina le aʻoaʻoga faʻapitoa e taunuʻu ai i se faaiuga lautele. I le isi itu, faʻatasi ai ma aʻoaʻoga toesea, e faʻaaogaina e le faʻataʻitaʻiga le taunuʻuga aʻo leʻi faia lana lava.
O le a'oa'oina fa'aa'oa'o o le fa'agasologa lea o le faia o fa'ai'uga mai fa'amatalaga.
O le a'oa'oga fa'asao o le fa'agasologa lea o le fa'atupuina o fa'amatalaga e fa'atatau i fa'ai'uga.
iʻuga
Fa'afetai! O fesili pito i luga ole 40 ma luga ole fa'atalanoaga mo a'oa'oga masini lea ua e iloa nei tali. Saienisi fa'amaumauga ma Atamai fa'apitoa galuega o le a fa'aauau pea ona mana'omia a'o fa'agasolo i luma tekonolosi.
O sui e fa'afou lo latou malamalama i nei tekonolosi fa'aonaponei ma fa'aleleia atili o latou tomai e mafai ona maua le tele o avanoa faigaluega eseese ma totogi fa'atauvaga.
E mafai ona e fa'agasolo i le taliina o fa'atalanoaga i le taimi nei o lo'o ia te oe se malamalamaga mautu pe fa'afefea ona tali atu i nisi o fesili fa'atalanoaga fa'aa'oa'oga masini.
Fa'alagolago i au sini, fai le laasaga lea. Sauni mo faatalanoaga e ala ile asiasi ile Hashdork's Fa'asologa o Fa'atalanoaga.
Tuua se tali