Тесты СинергияАртём Хелп
Артём Help онлайнПолучить расчёт
Бесплатно оценим сроки и стоимостьОтправить задание в Telegram
Python для анализа данных.sa_PythАД

Python для анализа данных.sa_PythАД — вариант 9

Просмотрите все вопросы и варианты бесплатно. Правильные ответы скрыты и открываются только после получения доступа.

21 вопрос Вариант 9 Доступ 7 дней
Содержание теста

Вопросы и варианты

Без отметок и подсказок к правильным ответам

Вопрос 1

Какой метод в классе отвечает за обучение модели?

  1. fit
  2. predict
  3. transform
  4. evaluate
Вопрос 2

Какой метод в классе отвечает за предсказание значений?

  1. fit
  2. predict
  3. transform
  4. evaluate
Вопрос 3

Какая библиотека чаще всего используется для работы с логистической и линейной регрессией в Python?

  1. Pandas
  2. NumPy
  3. Scikit-Learn
  4. Matplotlib
Вопрос 4

Что из перечисленного является целевой переменной в задаче логистической регрессии?

  1. Непрерывная переменная
  2. Дискретная переменная
  3. Множественная переменная
  4. Векторная переменная
Вопрос 5

Какой атрибут класса чаще всего хранит коэффициенты модели?

  1. coef_
  2. intercept_
  3. weights_
  4. params_
Вопрос 6

Какой метод используется для вычисления функции потерь в линейной регрессии?

  1. MSE (Mean Squared Error)
  2. MAE (Mean Absolute Error)
  3. OLS (Ordinary Least Squares)
  4. R^2 (R-squared)
Вопрос 7

Какой метод используется для вычисления функции потерь в логистической регрессии?

  1. MSE (Mean Squared Error)
  2. Cross-Entropy Loss
  3. Log-Loss
  4. Hinge Loss
Вопрос 8

Какой метод используется для нормализации данных в Scikit-Learn?

  1. Normalizer
  2. StandardScaler
  3. MinMaxScaler
  4. RobustScaler
Вопрос 9

Какой метод в классе отвечает за изменение структуры данных для соответствия модели?

  1. fit
  2. predict
  3. transform
  4. evaluate
Вопрос 10

Что такое регуляризация в контексте линейной регрессии?

  1. Метод уменьшения размера данных
  2. Метод увеличения размера данных
  3. Метод уменьшения переобучения модели
  4. Метод увеличения сложности модели
Вопрос 11

Какие типы регуляризации существуют в линейной регрессии?

  1. L1 и L2
  2. L3 и L4
  3. L1 и L3
  4. L2 и L4
Вопрос 12

Что такое метод градиентного спуска?

  1. Метод уменьшения размера данных
  2. Метод оптимизации, используемый для минимизации функции потерь
  3. Метод увеличения переобучения модели
  4. Метод нормализации данных
Вопрос 13

Какой метод используется для разбиения данных на обучающую и тестовую выборки в Scikit-Learn?

  1. test_train_split
  2. train_test_split
  3. train_split
Вопрос 14

Что такое метрика R^2 (R-squared) в линейной регрессии?

  1. Коэффициент детерминации
  2. Среднеквадратичная ошибка
  3. Средняя абсолютная ошибка
  4. Логарифмическая ошибка
Вопрос 15

Что такое гиперпараметры в контексте машинного обучения?

  1. Параметры, которые настраиваются до обучения модели
  2. Параметры, которые настраиваются во время обучения модели
  3. Параметры, которые настраиваются после обучения модели
  4. Параметры, которые настраиваются во время предсказания
Вопрос 16

Какой метод в Scikit-Learn используется для кросс-валидации?

  1. cross_validation
  2. kfold_validation
  3. cross_val_score
  4. cross_val_split
Вопрос 17

Какой метод используется для обучения модели в классе линейной регрессии?

  1. train
  2. fit
  3. learn
  4. build
Вопрос 18

Какой атрибут класса в логистической регрессии отвечает за интерсепт?

  1. coef_
  2. intercept_
  3. weights_
  4. params_
Вопрос 19

Что такое переобучение (overfitting) в контексте машинного обучения?

  1. Когда модель плохо обучается на обучающих данных
  2. Когда модель хорошо обобщает на новых данных
  3. Когда модель слишком хорошо обучается на обучающих данных и плохо обобщает на новых данных
  4. Когда модель имеет слишком мало параметров
Вопрос 20

Какой метод используется для выбора лучшей модели в процессе обучения?

  1. random_search
  2. grid_search
  3. model_search
  4. best_model_search
Вопрос 21

В каком методе линейной регрессии вычисляется коэффициент наклона и свободный член линии регрессии?

  1. fit()