06 Checkpoint: Классическое машинное обучение

Содержание и основные понятия

Прогресс доступен при включённом JavaScript. Просмотр не равен освоению.
Восемь проверок механизма
Порог: 7 из 8. Без таймера. Баллы начисляются за ответы, не за посещение. Это локальная самопроверка; решения будут показаны после отправки.
1. Что делает least-squares fit?
Подбирает параметры по training error
Подгоняет test labels вручную
Меняет число входных примеров
2. Смена порога при тех же weights меняет…
Сами вероятности
Правило превращения probability в class
Training dataset
3. Для выбора степени полинома следует использовать…
Test после каждой попытки
Validation
Будущие labels пользователя
4. Precision при отсутствии positive predictions…
Всегда100%
Не определена без дополнительной convention
Обязательно равна recall
5. MSE ошибок[0,−1,−2]?
Ваш численный ответ
6. Slope fit для x=[−1,0,1],y=[−1,1,3]?
Ваш численный ответ
7. Precision приTP2,FP1?
Ваш численный ответ
8. Inertia точек[0,0],[2,0] относительно[1,0]?
Ваш численный ответ
Результат появится после отправки всех ответов.
Исследовать и объяснить
Зафиксируйте train и изменяйте степень полинома. Запишите train/validation error и объясните расхождение. Для K-means сравните одинаковые и разнесённые initial centres, отметьте политику пустого кластера.
Сначала сформулируйте гипотезу, затем измените один параметр. Сопоставьте числа с формулой; назовите крайний случай и границу применимости. Свободный вывод не оценивается фиктивным автоматическим баллом.