Ta strona została przetłumaczona przez Cloud Translation API. Zbiory danych, uogólnianie i nadmierne dopasowanie – sprawdź swoją wiedzę Wróć do ścieżki Która z tych opcji jest przykładem nieruchomego zbioru danych? Wskaźniki opadów deszczu w Seattle w stanie Waszyngton Katalog nut z symfonii Beethovena Słowa najczęściej używane w spamie Codzienna sprzedaż biletów w kinie Przygotowujesz się do wytrenowania modelu do prognozowania ceny sprzedaży używanych samochodów za pomocą zbioru danych zawierającego te funkcje: year, model i mileage. Po sprawdzeniu zbioru danych stwierdzasz, że w 150 z 2500 przykładów brakuje wartości przebiegu. Która z tych opcji jest Twoim rozsądnym działaniem? (Wybierz wszystkie pasujące odpowiedzi) Wybierz tyle odpowiedzi, ile uważasz za stosowne. Usuwam te 150 przykładów ze zbioru danych Usunięcie kolumny mileage ze zbioru danych i trenowanie modelu tylko na podstawie roku i modelu Wstawianie wartości 0 do wszystkich pustych pól przebiegu Określamy szacunkową wartość mileage dla każdego pustego pola przez pomnożenie wieku samochodu przez średni roczny przebieg wszystkich samochodów w zbiorze danych Trenujesz model rekomendacji filmów w usłudze strumieniowania, aby przewidywał, czy dany film spodoba się użytkownikowi. Która z tych odpowiedzi opisuje odpowiednie etykiety pośredniczące „Film podobał się użytkownikowi”? (Wybierz wszystkie pasujące odpowiedzi) Wybierz tyle odpowiedzi, ile uważasz za stosowne. Użytkownik zapisał film na liście „Chcę obejrzeć”. Użytkownik kliknął „Rozpocznij oglądanie filmu”. Użytkownik polecił film innemu użytkownikowi. Użytkownik przyznał filmowi 5 gwiazdek. Prawda czy fałsz: wytrenowanie modelu aż do osiągnięcia niskiej wartości straty na danych testowych to dobry sposób na uniknięcie nadmiernego dopasowania. Prawda Fałsz Uzupełnij to pole w tym zdaniu: Regularizacja poprawia zdolność modelu do uogólniania na nowe dane przez nałożenie kary na ___ podczas trenowania. Nieprawidłowe prognozy Tempo uczenia się złożoność Gradient gradientowy Prześlij odpowiedzi error_outline Podczas oceniania testu wystąpił błąd. Spróbuj ponownie.
