Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Anonymous Quiz
39%
K-Fold Cross-Validation
34%
Leave-One-Out
16%
Bootstrapping
11%
Holdout Validation
Anonymous Quiz
3%
K-means
5%
Random Forest
84%
SMOTE
8%
Naive Bayes
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Anonymous Quiz
60%
Bagging
29%
Boosting
6%
Stacking
6%
Gradient Descent
Anonymous Quiz
52%
Bagging
22%
Boosting
18%
Stacking
8%
Dropout
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
Anonymous Quiz
12%
Градиентный бустинг
6%
Бэггинг
79%
Feature Importance
4%
K-ближайших соседей
Anonymous Quiz
87%
ROC-кривая
8%
K-means
3%
PCA
2%
Логистическая регрессия
💊2
1. В SQL — фильтрует строки, соответствующие критериям.
2. В NumPy — выбирает элементы массива по условию или заменяет значения.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
Anonymous Quiz
7%
Линейная регрессия
69%
DBSCAN
14%
PCA
10%
AdaBoost
Anonymous Quiz
5%
Градиентный спуск
25%
Стохастический градиентный спуск
70%
Random Search
0%
K-means
🤔2
Бинарную кросс-энтропию можно улучшать в зависимости от задачи:
- С взвешиванием классов — если классы несбалансированы.
- Focal Loss — фокусируется на трудных примерах, уменьшая вклад лёгких.
- Label smoothing — снижает переуверенность модели, заменяя метки вроде 1/0 на 0.9/0.1.
- Dice Loss / Jaccard Loss — используются в задачах сегментации, где важна форма, а не только точность пикселя.
- Combo Loss — сочетание BCE с другими функциями (например, с Dice), чтобы уравновесить разные аспекты задачи.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
Anonymous Quiz
19%
RandomUnderSampler
66%
SMOTE
14%
CrossValidation
1%
PCA
Anonymous Quiz
5%
Gradient Descent
16%
Forward Selection
68%
Permutation Importance
11%
Backpropagation