Data Science | Тесты

🤔 Какая скорость поиска в хэш-таблице Скорость поиска в хэш-таблице (например, HashMap) в среднем составляет O(1), так как ключи напрямую отображаются в индекс с помощью хэш-функции. В худшем случае, при коллизиях, время поиска может увеличиваться до O(n), если хэш-таблица не оптимизирована или используется неэффективная стратегия разрешения коллизий. Однако в большинстве случаев эффективные хэш-функции и методы обработки коллизий поддерживают близкую к O(1) скорость. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚Базу Знаний

🤔 Где использование линейных моделей целесообразно? Линейные модели применяются, когда данные линейно разделимы или зависимости между признаками и целевой переменной близки к линейным. 1. Они эффективны на высоких объёмах данных благодаря низкой вычислительной сложности. 2. Хорошо интерпретируемы, что важно в задачах с требованием объяснимости. 3. Используются в случаях, когда признаки предварительно масштабированы и очищены. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚Базу Знаний

🤔 Как обучаются линейные модели? Линейные модели обучаются путём нахождения оптимальных весов, которые минимизируют функцию потери, обычно через градиентный спуск. В случае простых моделей (например, линейной регрессии) может быть использовано аналитическое решение (метод наименьших квадратов). При больших данных или сложных задачах применяется итеративный подход для более эффективной оптимизации. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚Базу Знаний

🤔 Почему в картинках используют Standard Scaling вместо MinMax Scaling? Standard Scaling (z-score normalization) чаще используется для обработки изображений, поскольку: 1. Он центрирует данные вокруг нуля и масштабирует их на основе стандартного отклонения, что улучшает производительность моделей, чувствительных к масштабам. 2. MinMax Scaling, преобразующий значения в диапазон [0, 1], может терять информацию о дисперсии пикселей. 3. Standard Scaling более устойчив к изменению контрастности и яркости изображений. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚Базу Знаний

🤔 Какой функционал оптимизируется в задаче линейной регрессии? Как записать это в векторной записи? Оптимизируется ошибка между предсказанными и фактическими значениями, минимизируя среднеквадратичное отклонение, что позволяет определить параметры модели. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚Базу Знаний

🤔 Какие есть детекторы и архитектуры в CV? Классические: SIFT, HOG. Современные архитектуры: YOLO, SSD, Faster R-CNN для детекции объектов, U-Net, DeepLab для сегментации. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚Базу Знаний

🤔 Какую метрику регрессии используешь для объяснения результатов? Для объяснения результатов регрессии обычно используются несколько метрик, таких как среднеквадратичная ошибка (MSE), средняя абсолютная ошибка (MAE) и R-квадрат. Выбор зависит от специфики задачи и приоритетов: чувствительности к выбросам, интерпретируемости или доли объясненной дисперсии. Важно учитывать контекст и использовать несколько метрик для полной оценки. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚Базу Знаний

🤔 Как строится дерево? Дерево решений строится путем рекурсивного деления данных на подмножества на основе наилучших признаков, которые уменьшают неопределенность (например, с использованием информации энтропии или критерия Джини). Каждый узел в дереве представляет решение на основе одного признака, а ветви — возможные исходы. Процесс деления продолжается до тех пор, пока все данные в узлах не будут однородными или не будет достигнуто ограничение глубины. Листья дерева содержат финальные предсказания для данных. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚Базу Знаний

🤔 Что такое декоратор? Это функция, модифицирующая или расширяющая поведение другой функции или метода, не изменяя их исходный код. Используется для добавления функциональности, например, логирования, проверки прав доступа или кэширования. Обозначается с помощью @decorator_name. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚Базу Знаний