Кероване ML: Регресія
Лінійна регресія, Ridge, Lasso, ElasticNet, метрики (MSE, RMSE, R²), перенавчання, регуляризація
1Яка основна мета лінійної регресії?
Яка основна мета лінійної регресії?
Відповідь
Лінійна регресія спрямована на моделювання зв'язку між залежною змінною (ціллю) та однією або кількома незалежними змінними (features) шляхом знаходження прямої лінії, яка мінімізує суму квадратів помилок. Ця техніка дозволяє прогнозувати неперервні значення та є основою для багатьох складніших алгоритмів.
2Що представляє коефіцієнт бета (β₁) у простій лінійній регресії?
Що представляє коефіцієнт бета (β₁) у простій лінійній регресії?
Відповідь
Коефіцієнт β₁ представляє нахил лінії регресії, показуючи, наскільки змінюється цільова змінна при збільшенні незалежної змінної на одну одиницю. Додатнє β₁ означає позитивний зв'язок, тоді як від'ємне β₁ вказує на зворотний зв'язок між змінними.
3Який метод використовується для пошуку оптимальних коефіцієнтів у лінійній регресії?
Який метод використовується для пошуку оптимальних коефіцієнтів у лінійній регресії?
Відповідь
Метод звичайних найменших квадратів (OLS) мінімізує суму квадратів залишків, тобто різницю між спостережуваними та прогнозованими значеннями. Цей підхід забезпечує аналітичне рішення замкнутої форми і є стандартним методом оцінки параметрів лінійної регресії.
Що вимірює коефіцієнт детермінації R² у регресії?
Яка різниця між MSE (Mean Squared Error) та RMSE (Root Mean Squared Error)?
+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: Класифікація
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