# Дерева рішень та ансамблі (Data Science & ML)

> Decision Trees, Random Forest, Gradient Boosting, XGBoost, налаштування гіперпараметрів, feature importance

- 24 питань зі співбесід
- Mid-Level
- [Питання зі співбесід: Data Science & ML](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy.md)

## 1. Що таке decision tree у Machine Learning?

**Відповідь**

Decision tree — це модель Machine Learning, яка робить прогнози, розділяючи дані за ієрархічними правилами рішень. Кожен внутрішній вузол представляє тест на feature, кожна гілка представляє результат тесту, а кожен лист представляє остаточний прогноз. Ця модель інтуїтивна та легко інтерпретована, що робить її чудовим вибором для розуміння факторів, що впливають на рішення.

## 2. Який критерій використовується за замовчуванням у scikit-learn для вимірювання якості split у класифікаційному дереві?

**Відповідь**

Індекс Джині є стандартним критерієм у scikit-learn для класифікаційних дерев. Він вимірює нечистоту вузла, обчислюючи ймовірність того, що елемент буде неправильно класифікований, якщо його випадково класифікувати відповідно до розподілу класів. Джині, що дорівнює 0, означає чистий вузол (один клас), а вищий Джині вказує на більшу різноманітність класів.

## 3. У чому головна різниця між індексом Джині та ентропією як критеріями split?

**Відповідь**

Індекс Джині та ентропія зазвичай створюють дуже схожі дерева, але Джині трохи швидший для обчислення, оскільки не вимагає логарифмічних обчислень. Ентропія, заснована на теорії інформації, іноді може створювати дещо більш збалансовані split'и. На практиці вибір між ними рідко має значний вплив на продуктивність моделі.

## Ще 21 доступних питань

- Що таке pruning у контексті decision trees?
- Який гіперпараметр контролює максимальну глибину decision tree у scikit-learn?

Зареєструйся безкоштовно: https://sharpskill.dev/uk/login

## Інші теми співбесід Data Science & ML

- [Основи Python](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/python-basics.md): 25 запитань, Junior
- [Об'єктно-орієнтоване програмування Python](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/python-oop.md): 20 запитань, Junior
- [Структури даних Python](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/python-data-structures.md): 20 запитань, Junior
- [Основи Git](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/git-fundamentals.md): 18 запитань, Junior
- [Основи SQL](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/sql-basics.md): 20 запитань, Junior
- [Основи NumPy](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/numpy-fundamentals.md): 22 запитань, Junior
- [Основи Pandas](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/pandas-basics.md): 22 запитань, Junior
- [Jupyter & Google Colab](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/jupyter-colab.md): 16 запитань, Junior
- [SQL Joins та розширені запити](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/sql-joins-advanced.md): 22 запитань, Mid-Level
- [Просунутий Pandas](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/pandas-advanced.md): 24 запитань, Mid-Level
- [Візуалізація з Matplotlib & Seaborn](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/matplotlib-seaborn.md): 20 запитань, Mid-Level
- [Інтерактивні візуалізації з Plotly](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/plotly-interactive.md): 18 запитань, Mid-Level
- [Описова статистика](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/statistics-descriptive.md): 20 запитань, Mid-Level
- [Інференційна статистика](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/statistics-inferential.md): 24 запитань, Mid-Level
- [Web Scraping](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/web-scraping.md): 18 запитань, Mid-Level
- [BigQuery & Cloud Data](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/bigquery-cloud.md): 18 запитань, Mid-Level
- [Feature Engineering](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/feature-engineering.md): 22 запитань, Mid-Level
- [Кероване ML: Регресія](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/ml-supervised-regression.md): 24 запитань, Mid-Level
- [Кероване ML: Класифікація](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/ml-supervised-classification.md): 24 запитань, Mid-Level
- [Некероване ML](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/ml-unsupervised.md): 22 запитань, Mid-Level
- [ML Pipelines та валідація](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/ml-pipelines-validation.md): 22 запитань, Mid-Level
- [Часові ряди та прогнозування](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/time-series-forecasting.md): 22 запитань, Mid-Level
- [Основи Deep Learning](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/deep-learning-fundamentals.md): 24 запитань, Senior
- [TensorFlow & Keras](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/tensorflow-keras.md): 22 запитань, Senior
- [CNN та класифікація зображень](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/cnn-image-classification.md): 24 запитань, Senior
- [RNN та послідовності](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/rnn-sequences.md): 22 запитань, Senior
- [Transformers та Attention](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/transformers-attention.md): 24 запитань, Senior
- [NLP та Hugging Face](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/nlp-huggingface.md): 24 запитань, Senior
- [GenAI та LangChain](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/genai-langchain.md): 24 запитань, Senior
- [MLOps та розгортання](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/mlops-deployment.md): 24 запитань, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/ml-trees-ensembles