Data Science | Вопросы собесов

📌 Какие значения может давать предсказание модели ?



💬 Спрашивают в 14% собеседований



Модель машинного обучения может давать разные типы предсказаний в зависимости от задачи, которую она решает. Основные типы задач в машинном обучении включают классификацию, регрессию и вероятностное предсказание.



1️⃣ Классификация



Модель предсказывает категорию или класс, к которому принадлежит наблюдение.



Типы предсказаний:



➕ Метка класса: Модель возвращает конкретный класс (например, "спам" или "не спам" для задачи классификации электронной почты).

    from sklearn.datasets import load_iris

  from sklearn.model_selection import train_test_split

  from sklearn.ensemble import RandomForestClassifier



  # Загрузка данных

  iris = load_iris()

  X, y = iris.data, iris.target



  # Разделение данных

  X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)



  # Обучение модели

  model = RandomForestClassifier(n_estimators=100, random_state=42)

  model.fit(X_train, y_train)



  # Предсказание метки класса

  y_pred = model.predict(X_test)

  print(y_pred)

  

➕ Вероятности классов: Модель возвращает вероятность того, что наблюдение принадлежит каждому из классов.



➕ Пример кода на Python:

    # Предсказание вероятностей классов

  y_proba = model.predict_proba(X_test)

  print(y_proba)

  

2️⃣ Регрессия



Модель предсказывает непрерывное значение. Это может быть любая числовая величина, например, цена дома, температура, спрос на продукцию и т.д.



Типы предсказаний:



➕ Непрерывное значение: Модель возвращает предсказанное числовое значение.

    from sklearn.datasets import load_boston

  from sklearn.model_selection import train_test_split

  from sklearn.ensemble import RandomForestRegressor



  # Загрузка данных

  boston = load_boston()

  X, y = boston.data, boston.target



  # Разделение данных

  X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)



  # Обучение модели

  model = RandomForestRegressor(n_estimators=100, random_state=42)

  model.fit(X_train, y_train)



  # Предсказание непрерывного значения

  y_pred = model.predict(X_test)

  print(y_pred)

  

3️⃣ Вероятностное предсказание



Некоторые модели могут предсказывать вероятность события. Это полезно, например, в задачах бинарной классификации, когда важно знать не только класс, но и уверенность в предсказании.



Типы предсказаний:



➕ Вероятность положительного исхода: Модель возвращает вероятность того, что наблюдение относится к положительному классу.

    from sklearn.datasets import load_breast_cancer

  from sklearn.model_selection import train_test_split

  from sklearn.linear_model import LogisticRegression



  # Загрузка данных

  data = load_breast_cancer()

  X, y = data.data, data.target



  # Разделение данных

  X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)



  # Обучение модели

  model = LogisticRegression(max_iter=10000)

  model.fit(X_train, y_train)



  # Предсказание вероятности положительного исхода

  y_proba = model.predict_proba(X_test)[:, 1]

  print(y_proba)

  

➕ В задачах классификации модель может предсказывать метки классов или вероятности классов.



➕ В задачах регрессии модель предсказывает непрерывные числовые значения.



➕ В задачах вероятностного предсказания модель возвращает вероятность наступления события или принадлежности к определенному классу.



🔥 ТОП ВОПРОСОВ С СОБЕСОВ



🔒 База собесов | 🔒 База тестовых