Anonymous Quiz
3%
Линейная регрессия
14%
K-means
22%
Логистическая регрессия
61%
Наивный байесовский классификатор
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1
Anonymous Quiz
77%
PCA
18%
t-SNE
2%
Random Forest
3%
KMeans
💊4
Anonymous Quiz
23%
Линейная регрессия
19%
K-ближайших соседей
49%
Метод опорных векторов с ядром
9%
Логистическая регрессия
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
Anonymous Quiz
4%
K-средние
18%
DBSCAN
77%
Иерархическая кластеризация
1%
T-SNE
Anonymous Quiz
47%
Cross-validation
35%
Bootstrap Aggregating
10%
Gradient Descent
7%
Hyperparameter Tuning
Используются модели multi-output, которые обучаются на несколько целевых переменных, например, через отдельные выходные слои в нейросети.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
Anonymous Quiz
8%
Линейная регрессия
85%
ARIMA
5%
Случайный лес
2%
K-means
Anonymous Quiz
1%
Decision Tree
13%
K-Nearest Neighbors
72%
Support Vector Machine
14%
Naive Bayes
1. Симметричность: При инициализации весов нулями все нейроны в слое начинают обучение одинаково, что делает их идентичными.
2. Отсутствие обучения: Градиенты для всех нейронов слоя будут одинаковыми, из-за чего они не смогут различаться и обучаться.
3. Решение: Инициализация случайными значениями разрывает симметрию, позволяя нейронам обучаться независимо друг от друга.
Стандартные методы, такие как He или Xavier инициализация, обеспечивают оптимальный начальный размах весов.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
Anonymous Quiz
9%
Логистическая регрессия
4%
Линейная регрессия
25%
Метод ближайших соседей
62%
Метод опорных векторов с ядром (SVM)
🤔1
Anonymous Quiz
30%
Ensemble Learning
25%
Gradient Descent
35%
Regularization
10%
Feature Selection
💊3
1. Цепочки: каждый элемент хеш-таблицы содержит список (или другую структуру данных), который может хранить несколько элементов с одинаковым хешем.
2. Открытая адресация: при коллизии происходит последовательный поиск следующей свободной ячейки по определенному алгоритму (линейное пробирование, квадратичное пробирование, двойное хеширование).
3. Перехеширование: при высоком уровне заполненности хеш-таблицы, таблица может быть перестроена с новым размером и новой хеш-функцией для уменьшения количества коллизий.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1
Anonymous Quiz
3%
Линейная регрессия
8%
Логистическая регрессия
86%
Decision Tree
3%
K-means
💊2
Anonymous Quiz
7%
Dropout
12%
Batch Normalization
73%
Boosting
8%
Regularization
💊5
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2
Anonymous Quiz
35%
Lasso
32%
Ridge
15%
PCA
18%
Elastic Net
💊1
Anonymous Quiz
34%
Dropout
46%
Batch Normalization
14%
Gradient Clipping
6%
Data Augmentation
AdaBoost, Gradient Boosting, XGBoost, CatBoost и LightGBM. Они различаются производительностью и подходами к построению деревьев.
Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚Базу Знаний
Please open Telegram to view this post
VIEW IN TELEGRAM