Under følger eksempler på teorispørsmål som vi kan stille på eksamen i tillegg til spørsmål om prosjektoppgavene deres. For slike spørsmål bør man også kunne svare på oppfølgingsspørsmålet «hvorfor?». De fleste av dere har allerede svart på denne typen spørsmål, direkte eller indirekte gjennom deltagelse i undervisningen gjennom semesteret, og i så tilfelle bruker vi ikke tid på dette på eksamen.
Gi eksempel på en pandas kommando som gjør at du kan se dataframet ditt:
- - df.head(), display(df)
Hva gjør train-test-split funksjonen i scikit-learn?
- Train-test-split tar all dataen vår som input og deler den opp i trenings- og test-data. Trenings data til å trene modellen vår, og test til å sjekke hvor god den er på data som ikke har blitt brukt i tilpasningen av modellen.
Hvorfor gjør vi train-test-split:
- Enkelt forklart gjør vi dette for å sikre at modellen vår er god, ikke bare på data den har sett, men også data den ikke er trent på. Kun slik kan vi vite hvor godt den fungerer i praksis.
Når vi lager en modell basert på data, setter vi gjerne opp følgende likning: Y=f(x)+ε. Forklar likningen og symbolene.
- Ligningen viser den underliggende systematiske sammenhengen mellom x-data (input) og Y-data (output). Sammenhengen er at det finnes en funksjon som tar inn x-data og spytter ut Y-data, til en nøyaktighet på
. Denne funksjonen er altså f(x) og
- Y : Output
- X: input
- f(x) : sammenhengen vi ønsker å finne
- Les mer på S.16 i pensum (https://www.statlearning.com/)
Hva skiller kategoriske og numeriske data:
- Numeriske data er data vi enkelt kan tilordne tall på en skala som gir mening, kategoriske data er derimot data som tilhører ulike kategorier. Vi gjør dette skille for å vite hvordan vi skal behandle data, og hvilke modeller vi skal bruke.
- Les mer på S.130 i pensum (https://www.statlearning.com/)
Hvordan kan vi gjøre om kategoriske data slik at de kan brukes i en modell:
- Ved å bruke «One hot encoding». Hver kategori får sin egen kolonne med tallene 0(false) og 1(true).
Hvilken av lineær- og logistisk-regresjon vil du bruke om du vil predikere kategoriske data?:
- Logistisk regresjon.
- Siden vi kan tilegne kategoriske data verdiene 0 og 1 for å representere hver av kategoriene, vil den logistiske funksjonen, som går mellom 0 og 1 være godt egnet til dette.
Hvilken av lineær- og logistisk-regresjon vil du bruke om du vil predikere numeriske data?:
- Lineær regresjon.
Hva måler mean squared error:
- Hvor stor gjennomsnittlig avstand det er mellom datapunktene vi modellerer, og modellens som prøver å modellere dataene. Dette er et av flere mål vi kan bruke for å vurdere hvor god modellen er.
- Se mer fra S.29 i pensum (https://www.statlearning.com/)
Er det i logistisk eller lineær regresjon det er mest naturlig å bruke mean squere error?
- Lineær.
- Med logistisk regresjon prøver vi å finne riktig klasse, basert på noe input. Siden dette er et ja nei spørsmål, gir det like mye mening her å måle avstander, som i lineær regresjon hvor vi tilpasser en linje/plan eller lignende.
Hvilke egenskaper har sigmoidfunksjonen som gjør den godt egnet til å svare på ja/nei spørsmål:
- Den går fra 0 til 1, slik at vi kan tilegne ja og nei til 0 og 1.
- Den er glatt, vi kan altså derivere den.
- Den forteller oss noe om sannsynligheten for ja/nei