body()

pandas.nlast()

head()

end()

tail()

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

Край;

Площина;

Всі відповіді правильні;

Гіперплощина;

Підтримка векторів;

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

Вони мають високу масштабованість за своєю природою, або вони масштабуються лінійно з кількістю провісників і точок даних;

Наївна класифікація Байєса проста та швидка;

Вона вимагає менше навчальних даних;

Вона буде зближуватися швидше, ніж дискримінаційні моделі, такі як логістична регресія;

Всі відповіді неправильні;

До характеристик даних, які використовувалися для навчання;

До точності даних, які використовувалися для навчання;

До обсягу даних, які використовувалися для навчання;

Всі відповіді правильні;

До типу даних, які використовувалися для навчання;

Однофакторний відбір;

Важливість ознак;

Рекурсивне видалення ознак;

Двофакторний відбір;

Всі відповіді правильні;

Глибоке навчання

Всі відповіді вірні

Сфера обробки природної мови (NLP)

Немає правильної відповіді

Видобуток даних