Data Science - тесты

Últimas publicaciones

Data Science - тесты

🔒Открыть пост
и посмотреть медиа

🤔 Какие проблемы могут возникнуть при прогнозе LTV на полгода вперед? Основные проблемы при прогнозе LTV (Lifetime Value) на длительный срок включают в себя высокую неопределённость в поведении пользователей, изменение рыночных условий и устаревание данных. Кроме того, прогнозы могут быть неточными из-за сезонных изменений или новых факторов, которые не были учтены в модели. Также возможна недостаточность данных для точного прогнозирования поведения пользователей на долгий срок. Модели могут переоценивать или недооценивать реальные значения LTV. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚Базу Знаний

86 04 sep.Читать пост →

Data Science - тесты

🔒Открыть пост
и посмотреть медиа

🤔 В чем разница между L1 и L2 регуляризацией? L1-регуляризация (Lasso) добавляет сумму модулей весов к функции потери, склоняя веса к нулю, что способствует разреженности. L2-регуляризация (Ridge) добавляет сумму квадратов весов, уменьшая их величину, но не зануляя. L1 эффективна для отбора признаков, а L2 — для стабилизации модели и борьбы с переобучением. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚Базу Знаний

88 02 sep.Читать пост →

Data Science - тесты

🔒Открыть пост
и посмотреть медиа

🤔 Как оценивать эффективность работы рекомендательных моделей? Используются метрики: 1. Precision@K и Recall@K для точности и полноты рекомендаций. 2. NDCG для оценки релевантности на основе позиций элементов. 3. Coverage — доля уникальных рекомендованных элементов. 4. Оценка на основе A/B-тестов или пользовательских метрик, таких как удержание. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚Базу Знаний

89 21 ago.Читать пост →

Data Science - тесты✕