Вопросы на собеседовании: Machine Learning

Объясните разницу между регуляризацией L1 и L2.

Что такое точность (accuracy) и как она используется в оценке моделей?

Почему важно использовать кросс-валидацию при оценке модели?

Объясните, что такое bias-variance tradeoff и как он влияет на производительность модели.

Когда следует использовать dropout как метод регуляризации?

Сравните bagging и boosting. В чем их основные отличия?

Как работает PCA и какие его ограничения?

Когда и почему следует применять нормализацию вместо стандартизации?

Что такое early stopping и как он помогает предотвратить переобучение?

Что такое регуляризация L1 и L2, и как они отличаются?

Объясните, как работает алгоритм градиентного спуска и какие его основные варианты.

Что такое функция активации ReLU и в чем ее преимущества по сравнению с сигмоидной функцией?

Когда следует использовать кросс-валидацию k-fold и в чем ее преимущества?

Как регуляризация помогает уменьшить переобучение модели?

Объясните разницу между нормализацией и стандартизацией. Когда следует использовать каждый метод?

Поясните, что такое бустинг и как он отличается от бэггинга.

Каковы основные причины возникновении смещения и дисперсии в модели?

Что такое PCA, и как он помогает в уменьшении размерности данных?

Как работает ранняя остановка и когда следует ее применять?

Объясните разницу между нормализацией и стандартизацией данных.