Кероване ML: Класифікація
Логістична регресія, KNN, SVM, метрики (accuracy, precision, recall, F1, ROC-AUC), порогові значення
1Яка основна мета алгоритму керованої класифікації?
Яка основна мета алгоритму керованої класифікації?
Відповідь
Керована класифікація має на меті прогнозувати категорію або клас (дискретну змінну) на основі вхідних features, навчаючись на маркованих даних. На відміну від регресії, яка прогнозує неперервні значення, класифікація призначає кожне спостереження до попередньо визначеного класу (бінарного або багатокласового).
2Яку математичну функцію використовує логістична регресія для перетворення прогнозів у ймовірності?
Яку математичну функцію використовує логістична регресія для перетворення прогнозів у ймовірності?
Відповідь
Функція sigmoid (або логістична) перетворює будь-яке дійсне значення на ймовірність між 0 і 1. Вона визначається як sigma(z) = 1/(1+e^(-z)). Ця функція дозволяє інтерпретувати вихідні дані як ймовірність належності до позитивного класу.
3Що представляють коефіцієнти в моделі логістичної регресії?
Що представляють коефіцієнти в моделі логістичної регресії?
Відповідь
Коефіцієнти логістичної регресії представляють зміну log-odds для кожної одиниці зміни відповідної feature. Позитивний коефіцієнт збільшує ймовірність позитивного класу, тоді як негативний коефіцієнт зменшує її. Експонента коефіцієнта дає odds ratio.
Як працює алгоритм K-Nearest Neighbors (KNN) для класифікації?
Який вплив вибору значення k в алгоритмі KNN?
+21 питань зі співбесід
Інші теми співбесід Data Science & ML
Основи Python
Об'єктно-орієнтоване програмування Python
Структури даних Python
Основи Git
Основи SQL
Основи NumPy
Основи Pandas
Jupyter & Google Colab
SQL Joins та розширені запити
Просунутий Pandas
Візуалізація з Matplotlib & Seaborn
Інтерактивні візуалізації з Plotly
Описова статистика
Інференційна статистика
Web Scraping
BigQuery & Cloud Data
Feature Engineering
Кероване ML: Регресія
Дерева рішень та ансамблі
Некероване ML
ML Pipelines та валідація
Часові ряди та прогнозування
Основи Deep Learning
TensorFlow & Keras
CNN та класифікація зображень
RNN та послідовності
Transformers та Attention
NLP та Hugging Face
GenAI та LangChain
MLOps та розгортання
Опануй Data Science & ML для наступної співбесіди
Отримай доступ до всіх питань, flashcards, технічних тестів, вправ code review та симуляторів співбесід.
Почни безкоштовно