ML_01

Jakie dane są potrzebne aby wyznaczyć score danego estymatora?

• X_train

• X_test, y_test

• X_test, y_train

• X_test

• X_train, y_train

W jakim celu wykorzystuje się hold-out?

• Chcemy zmaksamilizować liczbę obserwacji do treningu

• Chcemy sprawdzić model na danych, których nie widział

• Chcemy wybrać najlepsze hyperparametry

• Chcemy uniknąć overfittingu

Które z poniższych jest zadaniem dot. regresji ?

• Firma internetowa, która obserwuje swoich użytkowników i stara się przewidzieć czy kupi dany przedmiot.

• Nauczuciel, który chce przewidzieć ilu studentów zda egzamin.

• Stacja TV, która chce przwidzieć jaka będzie temperatura powietrza na zewnątrz.

• Lekarz, który na podstawie zdjęć chce przewidzieć, czy dana osoba ma chorobę nowotworową.

Jakie dane są potrzebne aby wyznaczyć metrykę danego estymatora?

• y_test, y_pred

• y_test, X_test

• y_train, X_test

• y_test, y_train

• y_test, X_test

Które zdanie jest prawdzie dot. KNeighborsClassifier?

• Im większa wartość k tym model jest model jest bardziej złożony

• Im większa wartość k tym model jest model jest prostszy

• Im mniejsza wartość k tym większa wariancja

• Im mnijesza wartość k tym model może być bardziej przyuczony (overfitting)

Jak należy prawidłowo zaimportować metodę train_test_split ?

• from sklearn.metrics import train_test_split

• from sklearn.model_selection import train_test_split

• from sklearn.models import train_test_split

• from sklearn.accuracy import train_test_split

W jaki sposób zainicjować metodę, która obliczy regresję liniową przy użyciu sklearn ?

• LinReg()

• LinearRegression

• LinearRegression()

• RegressionLinear()

W jakim celu/celach stosowana jest regularyzacja?

• Poprawienie stratyfikacji (wyrównanie) poszczególnych klas

• Ograniczenie overfittingu

• Penalizacja (karanie) współczynników regresji

• Zmniejszenie wariancji modelu