Малой ошибкой на обучающих данных и большой ошибкой на тестовых

Высоким коэффициентом R-квадрат на обучающих данных

Большой ошибкой как на обучающих, так и на тестовых данных — модель не улавливает структуру данных

Высокой вариабельностью прогнозов при малых изменениях входных данных

Связь демонстрирует обратную причинность: мороженое снижает выживаемость

Употребление мороженого вызывает рост числа утоплений

Коэффициент корреляции Пирсона для этих переменных отрицательный

Это ложная корреляция — обе переменные зависят от общего фактора (жаркая погода), прямой причинно-следственной связи нет

Коэффициент не определён, потому что знаменатель содержит дисперсию X, равную нулю

Коэффициент равен 1, так как нет вариации в X

Коэффициент стремится к 0.5 — нейтральному значению

Коэффициент равен -1, указывая на отрицательную идеальную корреляцию

FP (False Positive) — ошибка I рода, некритична

TN (True Negative) — правильное предсказание

FN (False Negative) — ошибка II рода, критически опасна

TP (True Positive) — правильное предсказание

В задачах обнаружения аномалий такое значение является объектом интереса, а не шумом

Это значение автоматически является ошибкой и должно быть удалено

Любой выброс снижает точность модели, поэтому должен быть удалён

Наличие такого значения не влияет на качество модели

Это значение может быть выбросом или ошибкой ввода и требует анализа

Ускорить процесс обучения в несколько раз

Увеличить количество обучающих примеров

Выбрать оптимальный критерий разделения

Предотвратить переобучение — глубокое дерево запоминает шум вместо закономерностей

Манхэттенское расстояние

Коэффициент детерминации R²

Косинусное расстояние

Евклидово расстояние

Требует обязательной нормализации входных данных

Строит прямоугольные области разбиения, что неэффективно для диагональных границ

Склонность к переобучению без ограничения глубины

Чувствительность к шуму — небольшие изменения данных могут сильно изменить структуру

Сумма Precision и Recall

Гармоническое среднее Precision и Recall

Среднее арифметическое Precision и Recall

Произведение Precision и Recall

Обучение → Внедрение → Сбор данных → Оценка

Обучение → Сбор данных → Оценка → Внедрение

Оценка → Сбор данных → Обучение → Мониторинг

Сбор и подготовка данных → Обучение модели → Оценка → Внедрение → Мониторинг