Data Science | Тесты

Основные подходы понижения размерности включают метод главных компонент (PCA), сингулярное разложение (SVD), t-SNE и UMAP. PCA снижает размерность данных, находя новые оси, которые объясняют наибольшую дисперсию данных. t-SNE и UMAP используются для визуализации данных в пространстве низкой размерности, сохраняя их топологическую структуру. Эти методы позволяют уменьшить количество признаков при сохранении важной информации.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний

Please open Telegram to view this post

VIEW IN TELEGRAM

🔥1

252 views16:01

Data Science | Тесты

🤔 Какой метод используется для снижения размерности данных?

Anonymous Quiz

💊3

94 voters244 views20:01

Data Science | Тесты

🤔 Какой метод машинного обучения хорошо работает с линейно неразделимыми данными?

Anonymous Quiz

Метод опорных векторов с ядром

11%

Логистическая регрессия

89 voters234 views09:02

Data Science | Тесты

🤔

Как работают несимметрические метрики?

Несимметрические метрики в контексте машинного обучения оценивают модель, акцентируя внимание на одном классе или типе ошибки больше, чем на других. Это особенно полезно в случаях, когда стоимость одного типа ошибки значительно выше другого. Примером несимметричной метрики является F1-score, который более чувствителен к классам с меньшим числом образцов или когда важно сбалансировать точность и полноту.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний

Please open Telegram to view this post

VIEW IN TELEGRAM

232 views16:01

Data Science | Тесты

🤔 Какой метод машинного обучения используется для кластеризации данных на основе иерархической структуры?

Anonymous Quiz

Иерархическая кластеризация