→ PSI → Start Learning / Flashcards Téléchargement MP3

question		réponse
Drzewo decyzyjne commencer à apprendre		Model uczenia nadzorowanego podejmujący decyzje poprzez sekwencję pytań o cechy danych
Elementy drzewa decyzyjnego commencer à apprendre		Składa się z korzenia węzłów decyzyjnych oraz liści zawierających decyzję
Zasada działania drzewa commencer à apprendre		Dane są dzielone według cech tak aby jak najlepiej rozdzielić klasy lub zminimalizować błąd
Overfitting commencer à apprendre		Zbyt dobre dopasowanie modelu do danych treningowych skutkujące słabą generalizacją
Jak przeciwdziałać overfittingowi commencer à apprendre		Ograniczyć głębokość drzewa zastosować przycinanie lub minimalną liczbę próbek
Bagging commencer à apprendre		Metoda zespołowa polegająca na trenowaniu wielu modeli na losowych próbkach danych
Cel baggingu commencer à apprendre		Zmniejszenie wariancji modelu i ograniczenie overfittingu
Random Forest commencer à apprendre		Zespół drzew decyzyjnych uczonych metodą baggingu z losowym wyborem cech
Gradient Boosting commencer à apprendre		Metoda zespołowa w której kolejne modele uczą się na błędach poprzednich
Cel gradient boosting commencer à apprendre		Minimalizacja błędu poprzez stopniowe poprawianie słabych modeli
SVM commencer à apprendre		Metoda klasyfikacji i regresji oparta na maksymalizacji marginesu między klasami
SVR commencer à apprendre		Wersja regresyjna SVM przewidująca wartości ciągłe z tolerancją błędu
Różnica SVM i SVR commencer à apprendre		SVM służy do klasyfikacji a SVR do regresji
Model liniowy commencer à apprendre		Model opisujący zależność liniową pomiędzy cechami a wynikiem
Model wielomianowy commencer à apprendre		Model umożliwiający opisywanie zależności nieliniowych
Zmiana modelu liniowego na wielomianowy commencer à apprendre		Zwiększa elastyczność modelu ale grozi overfittingiem
Klasyfikacja commencer à apprendre		Przypisywanie obiektów do jednej z określonych klas
Regresja commencer à apprendre		Przewidywanie wartości liczbowych ciągłych
Klasteryzacja commencer à apprendre		Grupowanie danych bez etykiet na podstawie podobieństwa
Różnica klasyfikacji i klasteryzacji commencer à apprendre		Klasyfikacja używa etykiet a klasteryzacja nie
K means commencer à apprendre		Algorytm klasteryzacji dzielący dane na k klastrów minimalizując odległość od centroidów
Wady K means commencer à apprendre		Wymaga podania liczby klastrów i jest wrażliwy na obserwacje odstające
Klasteryzacja hierarchiczna commencer à apprendre		Metoda tworząca hierarchię klastrów poprzez ich łączenie lub dzielenie
Klasteryzacja gęstościowa commencer à apprendre		Metoda oparta na zagęszczeniu punktów danych np DBSCAN
Różnica hierarchicznej i gęstościowej commencer à apprendre		Hierarchiczna tworzy strukturę drzewa a gęstościowa wykrywa skupiska
Macierz pomyłek commencer à apprendre		Tabela przedstawiająca poprawne i błędne decyzje klasyfikatora
True Positive commencer à apprendre		Poprawnie wykryta klasa pozytywna
False Positive commencer à apprendre		Błędnie wykryta klasa pozytywna
False Negative commencer à apprendre		Niewykryta klasa pozytywna
True Negative commencer à apprendre		Poprawnie wykryta klasa negatywna
Accuracy commencer à apprendre		Stosunek poprawnych predykcji do wszystkich predykcji
Precision commencer à apprendre		Udział poprawnych predykcji pozytywnych we wszystkich pozytywnych
Recall commencer à apprendre		Udział wykrytych przypadków pozytywnych
F1 score commencer à apprendre		Średnia harmoniczna precision i recall
Zastosowanie precision commencer à apprendre		Stosowana gdy ważne jest ograniczenie fałszywych alarmów
Zastosowanie recall commencer à apprendre		Stosowana gdy ważne jest wykrycie wszystkich przypadków
Regresja liniowa commencer à apprendre		Model opisujący liniową zależność pomiędzy zmiennymi
Założenie regresji liniowej commencer à apprendre		Reszty mają rozkład normalny i stałą wariancję
Regresja odporna commencer à apprendre		Regresja niewrażliwa na obserwacje odstające
Błąd średniokwadratowy commencer à apprendre		Miara jakości regresji oparta na średnim kwadracie błędów
Różnica regresji i klasyfikacji commencer à apprendre		Regresja przewiduje wartości a klasyfikacja klasy

PSI

Vous devez vous connecter pour poster un commentaire.

plus