Давайте проверим ваши базовые знания о дереве решений. Предлагаем вам 10 вопросов с несколькими вариантами ответов без ограничений по времени. Развлекайся!
Вопрос 1. Деревья решений также известны как CART. Что такое CART?
(A) Деревья классификации и регрессии
(B) Инструмент анализа и исследования клиентов
(C) Доступ к коммуникациям Перевод в реальном времени
(D ) Компьютеризированная автоматическая методика оценки
Вопрос 2. Каковы преимущества деревьев классификации и регрессии (CART)?
(A) Деревья решений неявно выполняют скрининг переменных или выбор функций
(B) Может обрабатывать как числовые и категориальные данные
(C) Может обрабатывать проблемы с несколькими выходами.
(D) Все вышеперечисленное
Вопрос 3. Каковы преимущества деревьев классификации и регрессии (CART)?
(A) Деревья решений требуют относительно меньших усилий от пользователей для подготовки данных
(B) Нелинейные отношения между параметрами не влияют на производительность дерева.
(C) Оба (A) и (B)
(D) Ни один из этих
Вопрос 4. Каковы недостатки деревьев классификации и регрессии (CART)?
(A) Деревья решений могут быть нестабильными, поскольку небольшие изменения в данных могут привести к созданию совершенно другого дерева.
(B) Деревья решений требуют относительно меньших усилий от пользователей для подготовки данных
(C) Нелинейные отношения между параметрами не влияют на производительность дерева.
(D) Деревья решений неявно выполняют скрининг переменных или функции отбор
Вопрос 5: учащиеся дерева решений могут создавать предвзятые деревья, если некоторые классы доминируют. Какое решение?
(A) сбалансировать набор данных перед подгонкой
(B) разбалансировать набор данных перед подгонкой
(C) сбалансировать набор данных после подбора
(D) Решение невозможно
Вопрос 6. Дерево решений можно использовать для ______.
(A) классификации
(B) регрессии
(C) Оба
(D) Нет из этих
Вопрос 7. Дерево решений - это ______ алгоритм.
(A) обучение с учителем
(B) обучение без учителя
(C) оба
(D) Ни один из этих
Вопрос 8: Предположим, ваша целевая переменная - выживет ли пассажир или нет, используя дерево решений. Какое дерево нужно для прогнозирования целевой переменной?
(A) дерево классификации
(B) дерево регрессии
(C) дерево кластеризации
(D ) дерево уменьшения размерности
Вопрос 9: Предположим, вашей целевой переменной является цена дома с использованием Дерева решений. Какое дерево нужно для прогнозирования целевой переменной?
(A) дерево классификации
(B) дерево регрессии
(C) дерево кластеризации
(D ) дерево уменьшения размерности
Вопрос 10: Какова максимальная глубина в дереве решений?
(A) длина самого длинного пути от корня до листа
(B) длина кратчайший путь от корня до листа
(C) длина самого длинного пути от корня до подузла
(D) Ни один из этих
Решения будут опубликованы в следующей викторине Тест по машинному обучению 06. Удачного обучения. Если вам нравятся вопросы и вам нравится проходить тест, оставьте мне аплодисменты. Не стесняйтесь обсуждать / делиться своими мыслями по этим вопросам в разделе комментариев.
Решение Тест по машинному обучению 0 4: логистическая регрессия - 1 (A), 2 (B), 3 (B, D), 4 (C), 5 (C), 6 ( A), 7 (B), 8 (A), 9 (D), 10 (C)
Использованная литература:
[1] https://clevertap.com/blog/numerical-vs-categorical-variables-decision-trees/
[2] Деревья принятия решений в машинном обучении: https://towardsdatascience.com/decision-trees-in-machine-learning-641b9c4e8052
