این صفحه به‌وسیله Cloud Translation API ترجمه شده است. کار با داده های عددی: دانش خود را آزمایش کنید بازگشت به مسیر کدام یک از تکنیک های زیر نوعی مهندسی ویژگی نیست ؟ بنینگ تنظیم فراپارامتر سطل سازی عادی سازی شما در حال آموزش مدلی بر روی داده های سلامت نوزاد هستید. یکی از ویژگی های شما birth_weight است. شما می‌خواهید این مقادیر birth_weight را عادی کنید تا مدل را کارآمدتر آموزش دهید. کدام یک از تکنیک های عادی سازی زیر احتمالا بهترین انتخاب خواهد بود؟ بریدن مقیاس بندی خطی مقیاس بندی ورود به سیستم مقیاس بندی Z-score درست یا غلط: Binning تکنیکی برای تبدیل داده های طبقه بندی شده به داده های عددی است. درست است، واقعی نادرست داده های آموزشی شما برای یک مدل پیشنهادی کفش حاوی ویژگی shoe_size است که باید مقادیری بین 6 تا 16 داشته باشد. جدول زیر مقادیر shoe_size را برای شش نمونه در مجموعه داده نشان می دهد: مثال shoe_size 1 8.5 2 9 3 N/A 4 105 5 11 6 9 چه نمونه هایی را باید قبل از آموزش پاکسازی از مجموعه داده ها در نظر بگیرید؟ (همه موارد مورد نظر را انتخاب کنید.) هر تعداد پاسخ را که مناسب می‌دانید انتخاب کنید. مثال 1 یا مثال 2 یا مثال 6 مثال 3 مثال 4 مثال 5 جای خالی عبارت زیر را پر کنید: در طول مهندسی ویژگی، ویژگی های مصنوعی را می توان برای ___ ایجاد کرد. مقادیر ویژگی از دست رفته را جایگزین کنید داده‌های برچسب‌گذاری‌شده توسط انسان را با داده‌های برچسب‌گذاری شده با ماشین تکمیل کنید روابط غیر خطی بین دو ویژگی را مدل کنید مدل را از قبل آموزش دهید ارسال پاسخ‌ها error_outline موقع نمرهدهی آزمون خطایی رخ داد. لطفاً دوباره امتحان کنید.
