ML Pipelines และการตรวจสอบ
Scikit-learn pipelines, cross-validation, GridSearchCV, RandomizedSearchCV, data leakage, การแบ่งชั้น
1ข้อได้เปรียบหลักของการใช้ Pipeline ของ scikit-learn แทนการใช้การแปลงด้วยตนเองคืออะไร?
ข้อได้เปรียบหลักของการใช้ Pipeline ของ scikit-learn แทนการใช้การแปลงด้วยตนเองคืออะไร?
คำตอบ
Pipeline รับประกันว่าการแปลงเดียวกันจะถูกนำไปใช้อย่างสม่ำเสมอกับทั้งข้อมูล training และ test มันรวมขั้นตอน preprocessing และ modeling ทั้งหมดไว้ในออบเจ็กต์เดียว ซึ่งทำให้โค้ดง่ายขึ้น ป้องกัน data leakage และทำให้การ deploy model ไปยัง production ง่ายขึ้น
2ควรเรียก method ใดบน Pipeline เพื่อ train ทุกขั้นตอนและทำการทำนาย?
ควรเรียก method ใดบน Pipeline เพื่อ train ทุกขั้นตอนและทำการทำนาย?
คำตอบ
method fit_predict ไม่มีอยู่ใน Pipeline สำหรับ regression หรือ classification คุณต้องเรียก fit() ก่อนเพื่อ train pipeline จากนั้นเรียก predict() เพื่อรับการทำนาย หรืออีกทางหนึ่ง สามารถเรียก fit() ตามด้วย predict() แยกกันเพื่อการควบคุมที่มากขึ้น
3Data leakage ในบริบทของ machine learning คืออะไร?
Data leakage ในบริบทของ machine learning คืออะไร?
คำตอบ
Data leakage เกิดขึ้นเมื่อข้อมูลจาก test set หรือข้อมูลในอนาคตถูกใช้โดยไม่ตั้งใจระหว่างการ training สิ่งนี้สามารถเกิดขึ้นระหว่าง preprocessing (การคำนวณค่าเฉลี่ยจากทั้ง dataset ก่อนการ split) หรือผ่าน feature ที่มี target ทางอ้อม ผลลัพธ์คือประสิทธิภาพสูงเทียมที่ไม่สามารถ generalize ได้
บทบาทของ ColumnTransformer ใน scikit-learn คืออะไร?
K-Fold cross-validation คืออะไร?
+19 คำถามสัมภาษณ์
หัวข้อสัมภาษณ์ Data Science & ML อื่นๆ
พื้นฐาน Python
การเขียนโปรแกรมเชิงวัตถุด้วย Python
โครงสร้างข้อมูล Python
พื้นฐาน Git
พื้นฐาน SQL
พื้นฐาน NumPy
พื้นฐาน Pandas
Jupyter & Google Colab
SQL Joins และคิวรีขั้นสูง
Pandas ขั้นสูง
การแสดงผลข้อมูลด้วย Matplotlib & Seaborn
การแสดงผลแบบโต้ตอบด้วย Plotly
สถิติเชิงพรรณนา
สถิติเชิงอนุมาน
Web Scraping
BigQuery & Cloud Data
Feature Engineering
ML แบบมีผู้สอน: การถดถอย
ML แบบมีผู้สอน: การจำแนกประเภท
Decision Trees และ Ensembles
Unsupervised ML
Time Series และการพยากรณ์
พื้นฐาน Deep Learning
TensorFlow & Keras
CNN และการจำแนกภาพ
RNN และซีเควนซ์
Transformers และ Attention
NLP และ Hugging Face
GenAI และ LangChain
MLOps และการ Deploy
เชี่ยวชาญ Data Science & ML สำหรับการสัมภาษณ์ครั้งถัดไป
เข้าถึงคำถามทั้งหมด flashcards แบบทดสอบเทคนิค แบบฝึกหัด code review และตัวจำลองสัมภาษณ์
เริ่มใช้ฟรี