10 вопросов на знание основ GBT-алгоритма в Spark: открытый интерактивный тест для начинающих изучать машинное обучение

Чтобы самостоятельное обучение по Spark стало еще интереснее, сегодня мы предлагаем вам простой тест по основам работы с алгоритмом градиентного бустинга (GBT) в распределенном фреймворке Apache Spark, включая его особенности и методы для работы с Big Data.

Тест по основам работы GBT-модели в Spark для новичков

Для начинающих самостоятельное обучение по Apache Spark мы предлагаем простой интерактивный тест по этому распределенному Big Data фреймворку. Проверьте себя и ответьте на 10 вопросов об основных методах обработки Big Data с помощью алгоритма градиентного бустинга, который являются неотъемлемой частью Spark. Ответы на эти вопросы мы разбирали в статье про GBT-алгоритм в Spark здесь. Подробно изучить темы, упоминаемые в тесте, вы сможете на практических курсах по Apache Spark в нашем лицензированном учебном центре обучения и повышения квалификации ИТ-специалистов в Москве.

Выбирайте из предложенных вариантов ответов тот, который считаете верным. Правильные ответы вы узнаете после того, как нажмете кнопку ОТПРАВИТЬ. Успехов!

1. Какой класс используется в pyspark для построения GBT-модели?

 GBTModel

 GBT

 GBTClassifierModel

 GBTClassifier

2. Каким образом строятся предсказатели в бустинге?

 путем попарно параллельных последовательностей

 независимо друг от друга

 параллельно

 последовательно

3. Какая колонка отвечает за указание целевой переменной при построении GBT-модели в pyspark?

 targetVar

 labelCol

 targetCol

 label

4. Какой метод класса MulticlassClassificationEvaluator отвечает за оценку полученной модели в pyspark?

 getEvaluation()

 getModelAccuracy()

 evaluateModel()

 evaluate()

5. Какой класс в pyspark отвечает за векторизацию признаков?

 VectorBuilder

 VectorFeatures

 VectorBuilderFeatures

 VectorAssembler

6. Что лежит в основе градиентного бустинга?

 ансамбли моделей

 метод k-средних

 нахождение скользящего среднего

 линейная функция

7. На чем основан бэггинг?

 на категоризации признаков

 на построении независимых моделей

 на построении зависимостей между предсказателями

 на выборе целевой переменной

8. Какой метод используется в pyspark для случайного разбиения датасета на тренировочную и тестовую выборки?

 split()

 randomSplit()

 splitBy()

 randomizeSplit()

9. Что представляет собой ансамбль?

 функцию минимизации

 набор целевых переменных

 набор предсказателей, дающих общий ответ

 векторизованный набор признаков

10. Какой метод используется для обучения GBT-модели в pyspark?

 GBTFitModel()

 fit()

 trainModel()

 train()

 Загрузка …

Стоит отметить, что данный тест не претендует на звание специализированного профессионального экзамена. Однако такое небольшое упражнение способно помочь новичкам, которые начинают самостоятельно изучать машинное обучение в распределенном фреймворке Apache Spark, пытаясь разобраться с большим объемом информации, систематизировать ее и применить к решению практических задач. Также мы подготовили для вас серию тестов по отдельным разделам Apache Spark. Например, проверить свои знания по основам работы алгоритма многослойного персептрона в Spark вы можете здесь.

Освоить Apache Spark на профессиональном уровне для практического использования в своих проектах анализа больших данных, разработки Big Data приложений и прочих прикладных областях Data Science вы сможете на практических курсах по Apache Spark в нашем лицензированном учебном центре обучения и повышения квалификации ИТ-специалистов в Москве:

• Графовые алгоритмы в Apache Spark
• Машинное обучение в Apache Spark
• Потоковая обработка в Apache Spark
• Основы Apache Spark для разработчиков
• Анализ данных с Apache Spark
• Разработка и внедерение ML-решений
• Графовые алгоритмы. Бизнес-приложения

Записаться на курс

Смотреть раcписание