Ta strona została przetłumaczona przez Cloud Translation API. Praca z danymi kategorialnymi: sprawdź swoją wiedzę Wróć do ścieżki Które z tych elementów są przykładami danych kategorialnych? (Wybierz wszystkie pasujące odpowiedzi) Wybierz tyle odpowiedzi, ile uważasz za stosowne. Liczba stron w książce Numer telefonu Rodzaj frytek (kręcone, pomarszczone, krojone w steki, gofra) liczba gwiazdek (1–5 gwiazdek) przyznanych restauracji, gdzie 1 oznacza „słaba”; a 5 gwiazdek oznacza „świetny” Prawda czy fałsz: etykiety maszyn są zwykle uważane za bardziej pożądane niż etykiety dostarczane przez weryfikatorów. Prawda Fałsz Trenujesz model na zbiorze danych treningowych zawierającym funkcję eye_color, która może być jedną z 6 tych wartości: amber, blue, brown, gray, green, hazel. Które z poniższych opcji kodowania są prawidłowe dla wartości eye_color o wartości blue? (Wybierz wszystkie pasujące odpowiedzi) Wybierz tyle odpowiedzi, ile uważasz za stosowne. [0, 1, 0, 0, 0, 0] [1] [1, 2, 3, 4, 5, 6] [0, 1] [1, 0, 2, 3, 4, 5] W którym z tych scenariuszy warto zastosować haszowanie cech? Liczba wartości cech kategorialnych jest bardzo duża. Liczba wartości cech kategorialnych jest bardzo mała. Model jest trenowany offline. Wszystkie możliwe wartości cechy kategorialnej można z góry wyliczyć. Wykonujesz porównanie cech z tych 2 rodzajów: apple_color, która przyjmuje jedną z tych 4 wartości: green, red, white lub yellow apple_texture, który przyjmuje jedną z tych 2 wartości: crisp lub mushy Ile wpisów składa się w wynikowym wektorze krzyżowym cech? 1 2 6 8 Prześlij odpowiedzi error_outline Podczas oceniania testu wystąpił błąd. Spróbuj ponownie.
