ML แบบมีผู้สอน: การจำแนกประเภท
Logistic regression, KNN, SVM, เมตริก (accuracy, precision, recall, F1, ROC-AUC), threshold
1วัตถุประสงค์หลักของอัลกอริทึมการจำแนกประเภทแบบมีผู้สอนคืออะไร?
วัตถุประสงค์หลักของอัลกอริทึมการจำแนกประเภทแบบมีผู้สอนคืออะไร?
คำตอบ
การจำแนกประเภทแบบมีผู้สอนมีจุดมุ่งหมายเพื่อทำนายหมวดหมู่หรือคลาส (ตัวแปรไม่ต่อเนื่อง) จาก features ที่ป้อนเข้ามา โดยเรียนรู้จากข้อมูลที่มีป้ายกำกับ ต่างจาก regression ที่ทำนายค่าต่อเนื่อง การจำแนกจะกำหนดแต่ละการสังเกตให้กับคลาสที่กำหนดไว้ล่วงหน้า (binary หรือ multiclass)
2ฟังก์ชันทางคณิตศาสตร์ใดที่ logistic regression ใช้เพื่อแปลงการทำนายเป็นความน่าจะเป็น?
ฟังก์ชันทางคณิตศาสตร์ใดที่ logistic regression ใช้เพื่อแปลงการทำนายเป็นความน่าจะเป็น?
คำตอบ
ฟังก์ชัน sigmoid (หรือ logistic) แปลงค่าจริงใดๆ ให้เป็นความน่าจะเป็นระหว่าง 0 ถึง 1 ถูกกำหนดเป็น sigma(z) = 1/(1+e^(-z)) ฟังก์ชันนี้ช่วยให้แปลความหมายเอาต์พุตเป็นความน่าจะเป็นของการเป็นคลาสบวก
3ค่าสัมประสิทธิ์ในโมเดล logistic regression แสดงถึงอะไร?
ค่าสัมประสิทธิ์ในโมเดล logistic regression แสดงถึงอะไร?
คำตอบ
ค่าสัมประสิทธิ์ของ logistic regression แสดงถึงการเปลี่ยนแปลงของ log-odds สำหรับการเปลี่ยนแปลงแต่ละหน่วยของ feature ที่สอดคล้องกัน ค่าสัมประสิทธิ์ที่เป็นบวกจะเพิ่มความน่าจะเป็นของคลาสบวก ในขณะที่ค่าสัมประสิทธิ์ที่เป็นลบจะลดลง เลขชี้กำลังของค่าสัมประสิทธิ์ให้ odds ratio
อัลกอริทึม K-Nearest Neighbors (KNN) ทำงานอย่างไรสำหรับการจำแนก?
ผลกระทบของการเลือกค่า k ในอัลกอริทึม KNN คืออะไร?
+21 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
Decision Trees และ Ensembles
Unsupervised ML
ML Pipelines และการตรวจสอบ
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