Давайте проверим ваши базовые знания дерева решений. Вот 10 вопросов с несколькими вариантами ответов для вас, и нет ограничения по времени. Веселиться!
Вопрос 1. Что такое разбиение дерева решений?
(A) Разделение узла на два или более подузла на основе условий if-else
(B) Удаление подузел из дерева
(C) Сбалансируйте набор данных перед подгонкой
(D) Все вышеперечисленное
Вопрос 2. Что такое конечный или конечный узел в дереве решений?
(A) Конец дерева решений, где его нельзя разделить на дополнительные подузлы.
(B) Максимальная глубина
(C) Часть всего дерева
(D) A узел, представляющий всю совокупность или выборку
Вопрос 3. Что такое сокращение в дереве решений?
(A) Удаление подузла из дерева
(B) Разделение узла на два или более подузлов на основе условий if-else
(C) Сбалансируйте набор данных перед подгонкой
(D) Все вышеперечисленное
Вопрос 4. В дереве решений мера степени вероятности того, что определенная переменная будет неправильно классифицирована при случайном выборе, называется _____.
(A) Сокращение
(B) Прирост информации
(C) Максимальная глубина
(D)примесь Джини
Вопрос 5. Предположим, что в задаче классификации вы используете дерево решений и используете индекс Джини в качестве критерия для алгоритма выбора признака для корневого узла. Будет выбран признак с индексом Джини _____.
(A) максимальный
(B) самый высокий
(C) наименьший
(D) Ни один из этих
Вопрос 6. В алгоритме дерева решений энтропия помогает определить функцию или атрибут, который дает максимальную информацию о классе, который называется _____.
(A) Сокращение
(B )Прирост информации
(C) Максимальная глубина
(D) Примесь Джини
Вопрос 7. Как в алгоритме дерева решений можно снизить уровень энтропии от корневого узла к конечному узлу?
(A) Сокращение
(B) Получение информации
(C) Максимальная глубина
(D) Примесь Джини
Вопрос 8. Каковы преимущества дерева решений?
(A) Деревья решений легко визуализировать
(B) Можно легко зафиксировать нелинейные закономерности в данных
(C) Оба варианта
(D) Ни один из вышеперечисленных
Вопрос 9. Каковы недостатки дерева решений?
(A) Возможна чрезмерная подгонка данных.
(B) Небольшая вариация входных данных может приводит к другому дереву решений
(C) Мы должны сбалансировать набор данных перед обучением модели
(D) Все вышеперечисленное
Вопрос 10. В деревьях решений для прогнозирования метки класса алгоритм начинает работу с какого узла дерева?
(A) Корень
(B) Конец
(C) Терминал
(D) Подузел
Решения будут опубликованы в следующей викторине Викторина по машинному обучению 07 Дерево решений (часть 3). Приятного обучения. Если вам нравятся вопросы и вы с удовольствием проходите тест, похлопайте мне. Не стесняйтесь обсуждать / делиться своими мыслями по этим вопросам в разделе комментариев.
Решение Викторина по машинному обучению 05: Дерево решений (часть 1) — 1(A), 2(D), 3(C), 4(A), 5(A), 6 (В), 7(А), 8(А), 9(Б), 10(А)
Использованная литература:
[1] Объятие дерева решений: https://towardsdatascience.com/decision-tree-hugging-b8851f853486
[2] Алгоритм дерева решений, объяснение: https://www.kdnuggets.com/2020/01/decision-tree-algorithm-explained.html
[3] Деревья решений в машинном обучении: https://towardsdatascience.com/decision-trees-in-machine-learning-641b9c4e8052
