Machine Learning interview questions

Какие предположения про задачу должны быть, чтобы мы могли принять линейную регрессию?

а если есть категориальные, можно как-то использовать их?

а если есть мультиплилирность какая-то, что у нас тут произойдет?

Просто как их добавить или какие из этих фичей сделать так, чтобы наша model стала лучше?

То есть сделать агрегат какой-то, чтобы человек на этой неделе посещал такую категорию. Да или нет?

А в разреженных векторах мы не теряем информацию, когда мы агрегатами получаем их?

Допустим, как мы можем это использовать?

Logos, обсудили Logs, а метрика какая будет?

Как мы можем проверить, получилось ли добиться этого или нет?

А не пробовали объединить, типа, признак добавить, не знаю, город, как категорию?

А кластеризация это для того, чтобы как раз холодный старт победить?

А, то есть, у вас, грубо говоря, есть кластера товаров, да, группы, и если какой-то новый искаю, тогда вы используете какие-то усреденные прогнозы?

а ж Дебескан, он же находит еще аутсайдеров какие-то. Ты вот эти магазины как-то потом дообъединял, или что с ними делал?

И ты, соответственно, про них не знаешь. Может быть, они и хорошие, но старая model запретила. Вот как ты проблему решал?

То есть по тем абонентам, которые не дали, ну, короче, был отказ, они еще дразмечали, что, наверное, по ним, ему можно было дать, да?

А ты как-то рандомно ее разбивал или по каким-то там кластерам, там, группам? Вот как стратификацию ты обеспечивал?

Я тебя понял. В принципе, без разницы. Что ты делал, если в принципе все равно единичка?

Как вы делили? Какой сплит использовали? Out of time или out of sample?

То есть, смотри, я правильно понял, что оценили только по отложенной выборке, вот, она показала какую-то, ну, вроде бы как все хорошо, запустили условно продам. Все правильно?

И насколько важно, чтобы трейн и тест были одинаково распределены?