แผนผังการตัดสินใจ: ตรวจสอบความเข้าใจ

หน้านี้ท้าทายให้คุณตอบชุดแบบฝึกหัดแบบหลายตัวเลือก เกี่ยวกับเนื้อหาที่กล่าวถึงใน "แผนผังการตัดสินใจของการฝึกอบรม" หน่วย

คำถามที่ 1

การแทนที่คุณลักษณะที่เป็นตัวเลขด้วย ค่าลบ (เช่น การเปลี่ยนค่า +8 เป็น -8) ด้วย กับรหัสตัวเลขตรงไหน

ระบบจะเรียนรู้เงื่อนไขเดียวกัน เฉพาะ เด็กที่เป็นค่าบวก/เชิงลบจะถูกสลับ

เยี่ยมเลย

ระบบจะเรียนรู้เงื่อนไขที่แตกต่างกัน แต่โครงสร้างโดยรวม ของแผนผังการตัดสินใจจะยังคงเหมือนเดิม

หากฟีเจอร์เปลี่ยนแปลง เงื่อนไขก็จะเปลี่ยนแปลง

โดยโครงสร้างของแผนผังการตัดสินใจจะเป็น แตกต่างกัน

ที่จริงแล้วโครงสร้างของแผนผังการตัดสินใจ ค่อนข้างจะเหมือนกัน แต่เงื่อนไขจะมีการเปลี่ยนแปลง

คำถามที่ 2

คำตอบ 2 ข้อที่อธิบายผลลัพธ์ของการทดสอบเพียงครึ่งหนึ่งได้ดีที่สุด (เลือกแบบสุ่ม) ของค่าเกณฑ์ตัวเลือกใน X

ข้อมูลที่ได้รับจะมากกว่าหรือเท่ากับ

ข้อมูลที่ได้รับจะน้อยกว่าหรือเท่ากับ

ทำได้ดีมาก

แผนผังการตัดสินใจขั้นสุดท้ายจะมีความแม่นยำในการทดสอบต่ำกว่า

แผนผังการตัดสินใจขั้นสุดท้ายจะไม่น่าจะฝึกความแม่นยำได้ดีไปกว่า

ทำได้ดีมาก

คำถามที่ 3

จะเกิดอะไรขึ้นถ้า "ข้อมูลที่ได้รับ" เทียบกับ "เกณฑ์" เส้นโค้ง มีราคาเสนอสูงสุดในท้องถิ่นหลายรายการ

จะมีค่าสูงสุดในพื้นที่หลายรายการไม่ได้

มีค่าสูงสุดในเครื่องได้หลายค่า

อัลกอริทึมจะเลือก CPC สูงสุดในเครื่อง

อัลกอริทึมจะเลือกขีดจำกัดสูงสุดส่วนกลาง

ทำได้ดีมาก

คำถามที่ 4

คำนวณข้อมูลที่ได้รับจากการแยกต่อไปนี้

โหนด	จำนวนตัวอย่างเชิงบวก	# ของคีย์เวิร์ดเชิงลบ ตัวอย่าง
โหนดหลัก	10	6
บุตรคนแรก	8	2
บุตรคนที่ 2	2	4

คลิกที่ไอคอนเพื่อดูคำตอบ

# Positive label distribution
p_parent = 10 / (10+6) # = 0.625
p_child_1 = 8 / (8+2) # = 0.8
p_child_2 = 2 / (2+4) # = 0.3333333

# Entropy
h_parent = -p_parent * log(p_parent) - (1-p_parent) * log(1-p_parent) # = 0.6615632
h_child_1 = ... # = 0.5004024
h_child_2 = ... # = 0.6365142

# Ratio of example in the child 1
s = (8+2)/(10+6)
f_final = s * h_child_1 + (1-s) * h_child_2 # = 0.5514443

information_gain = h_parent - f_final # = 0.1101189

---