Data Science | Тесты

🤔 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…

🤔 Как можно сравнивать два ненормальных распределения? 1. Применить непараметрические тесты, такие как тест Манна-Уитни или Краскела-Уоллиса. 2. Использовать бутстрепинг для создания доверительных интервалов. 3. Рассмотреть преобразование данных для приближения к нормальному виду. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚 Базу Знаний

🤔 Как делать прогноз для новых пользователей? Для новых пользователей, у которых нет достаточного количества данных, можно использовать методы прогнозирования на основе поведения похожих пользователей (кластеризация, сегментация) или демографических данных. Также можно использовать модели, которые комбинируют поведенческие данные с внешними признаками (например, география или источник трафика). Важным шагом является…

🤔 Почему в нейронных сетях нельзя инициализировать веса нулями? 1. Симметричность: При инициализации весов нулями все нейроны в слое начинают обучение одинаково, что делает их идентичными. 2. Отсутствие обучения: Градиенты для всех нейронов слоя будут одинаковыми, из-за чего они не смогут различаться и обучаться. 3. Решение: Инициализация случайными значениями разрывает симметрию, позволяя нейронам обучаться…