10 вопросов на знание основ работы с алгоритмом One-vs-Rest 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 One-vs-Rest в распределенном фреймворке Apache Spark, включая его особенности и методы для работы с Big Data.

Тест по основам работы алгоритма One-vs-Rest 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 One-vs-Rest, который являются неотъемлемой частью Spark. Ответы на эти вопросы мы разбирали в статье алгоритм «один против всех» 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.

Открытый тест по One-vs-Rest в Spark

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

1. Какой класс используется для работы с алгоритмом «Один против всех» в pyspark?

 One-Vs-Rest-Model

 OneVsRest

 OneVsRestClassificator

 OneVsRestClassificatorModel

2. Что из себя представляет техника трансформации в мультиклассовой классификации?

 преобразование задачи из бинарной классификации в мультиклассовую

 понижение числа классов

 увеличение числа классов

 преобразование задачи мультиклассовой классификации в бинарную

3. Какой класс отвечает за оценку мультиклассовой классификации в pyspark?

 MulticlassClassificationEvaluator

 MulticlassEvaluator

 MulticlassModelEvaluator

 MulticlassClassificationModelEvaluator

4. Какой метод используется для получения величины точности модели?

 accuracy()

 getAccuracy()

 evaluate()

 evaluateModel()

5. Какой метод необходимо использовать для того, чтобы обучить модель One-vs-Rest?

 train()

 trainModel()

 fitModel()

 fit()

6. Какой метод используется для формирования датасета с предсказаниями?

 predictValue()

 predict()

 predict_value()

 transform()

7. Какой метод отвечает за случайное разбиение датасета на тренировочную и тестовую выборки?

 split()

 randomSplit()

 splitByRandom()

 randomDiv()

8. Какое минимальное число классов должно быть при мультиклассовой классификации?

 два

 от трех классов и более

 от пяти классов и более

 один

9. Сколько классификаторов используется в алгоритме «Один против всех»

 один

 менее пяти

 два

 по одному для каждого возможного выхода

10. За что отвечает следующий фрагмент кода:

ovrModel = ovr.fit(train)

predictions = ovrModel.transform(test)

 за обучение модели и формирование предсказаний

 за формирование предсказаний на основе тренировочной и тестовой выборках

 за создание тренировочной выборки

 за оценку модели

 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 со случайными лесами 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