Немає правильних відповідей

Видалити рядки, в яких відсутні дані

Видалити стовпець, в якому найбільше відсутніх значень

Нічого не робити, відсутні значення ніяк не впливають на алгоритм

Використати техніку Imputation

місце для введення тексту

місце у формулі, яке необхідно заповнити знаком операції

місце у формулі, яке необхідно заповнити даними

фрагмент формули, який підлягає редагуванню

місце, куди будуте розпочато введення даних

середнє значення набору даних

середнє арифметичне значення набору даних

ту варіанту набору даних, що має найбільшу частоту появи

ту варіанту, яка ділить набір даних на дві (рівні за кількістю варіант) частини

ту варіанту, яка є середнім значенням набору даних

швидкість та легкість опрацювання даних засобами графіки

різні типи даних, які походять із різних джерел і форматів

швидкість зміни контексту даних

швидкість з якою дані генеруються і обробляються, що впливає на прийняття рішень і операційні процеси

кількість даних, що генеруються і зберігаються

Край;

Площина;

Всі відповіді правильні;

Гіперплощина;

Підтримка векторів;

набір інформації, що накопичується з різних джерел та постійно оновлюється

дані, які можуть бути організовані у вигляді тегів або ключів зі значеннями, але вони не обов’язково мають однаковий формат для кожного запису

дані з рядками та стовпцями для легкого пошуку та аналізу

набір інформації, що постійно накопичується

набір даних, що накопичується з різних джерел

пристрій для візуалізації даних і програм

пристрій для числових та аналітичних математичних розрахунків

прикладна програма для числових та аналітичних математичних розрахунків

системна програма для числових та аналітичних математичних розрахунків

мікропроцесор для числових та аналітичних математичних розрахунків

XGBoost обʼєднує передбачення базових моделей, а Random Forest не є ансамблем моделей

XGBoost будує ансамбль ітеративно, а базові моделі в Random Forest незалежно

XGBoost використовується виключно для задач регресії

Базовою моделлю в XGBoost може бути тільки дерево прийняття рішень, Random Forest підтримує різні базові моделі

Random Forest використовується виключно для задач класифікації

Зручніше будувати алгоритми

Більше опцій для валідації моделі

Менша кількість багів

Чистіший код

Немає правильної відповіді