Курс близится к концу — впереди всего один модуль. После него вас ожидает финальное тестирование. Так как модулей было много и они вышли объемными, мы создали этот промежуточный тест, чтобы вы могли быстро освежить в памяти главное из курса.
1. Как работают алгоритмы машинного обучения, которые вы изучали в этом курсе?
2. Какая из этих задач относится к обучению без учителя (то есть нам неизвестна целевая переменная)?
3. Таксопарк хочет найти закономерности в движении людей по городу, чтобы понимать, в какие точки и в какое время выпускать больше машин. У таксопарка есть приложение и накопленная статистика с координатами и временем заказов. Это задача:
4. В чем разница между логистической регрессией и простым линейным классификатором?
5. Что такое выброс в данных?
6. Метрика полноты считается по следующей формуле:
TP/(TP+FP) =
Эта метрика:
7. Для одной модели получили вот такие данные:
MAE — 15, MSE — 225, R^2 — 0.7
Нет ли тут ошибки?
8. Какой из алгоритмов скорее всего переобученный?
9. Мы воспользуемся k-блочной валидацией, k равно 5. Что это значит?
Поздравляем, ваш результат: из
Неудовлетворительно
Судя по всему, вам не помешает как следует освежить в памяти пройденный материал. Когда закончите, можно будет переходить к
десятому модулю.
Поздравляем, ваш результат: из
Хорошо
Переходите к
десятому модулю, чтобы продолжить изучение науки о данных.
Поздравляем, ваш результат: из
Отлично
Вы прекрасно усвоили материал! Переходите к
десятому модулю, чтобы продолжить изучение науки о данных.