اختبار الوحدة: ما هو تعلّم الآلة

السؤال 1 من 5

• النموذج ممتاز؛ و0.91 هو الرقم الذي يجب نشره.
• النموذج أفضل قليلًا من القاعدة لأن متوسط نتيجتيه أعلى.
• يحتاج النموذج إلى features أكثر قبل أن يمكن تقييمه.
• النموذج يعاني من الـ overfitting ولا يتفوّق على القاعدة ذات السطر الواحد مع عملاء لم يرَهم، فهو غير جاهز ليحلّ محلها.

السؤال 2 من 5

• يصبح التقسيم غير قابل للتكرار.
• لا يمكن تدريب النموذج على بيانات غير متوازنة بدونه.
• قد تنحرف حصة الإيجابيات في بيانات الاختبار عن 3%، فتصبح مقاييسها أقل تمثيلًا.
• ستحتوي بيانات التدريب على نسخ مكرّرة من صفوف الاختبار.

السؤال 3 من 5

from sklearn.dummy import DummyClassifier
import numpy as np
X = np.zeros((10, 1))
y = np.array([1, 1, 1, 0, 0, 0, 0, 0, 0, 0])
print(DummyClassifier(strategy="most_frequent").fit(X, y).score(X, y))

• 0.7
• 0.3
• 0.5
• خطأ، لأن X لا يحتوي إلا أصفارًا.

السؤال 4 من 5

• الدفعتين كلتيهما، لأن fit يضيف البيانات الجديدة إلى ما تعلّمه سابقًا.
• لا شيء، لأن النموذج لا يمكن تدريبه إلا مرة واحدة.
• الدفعة الأولى فقط؛ والاستدعاء الثاني يُتجاهل.
• الدفعة الثانية فقط، لأن استدعاء fit مجددًا يمحو ما تعلّمه سابقًا.

السؤال 5 من 5

• استخدم الذكاء الاصطناعي لتقليل الانقطاع.
• في أول كل شهر، تنبّأ لكل عميل نشط بما إذا كان لن يقدّم أي طلب خلال الـ 90 يومًا القادمة، كي يختار فريق التسويق من يحصل على عرض.
• اكتشف كل ما يسبّب الانقطاع.
• ابنِ أدقّ نموذج ممكن على churn.csv.