Чем отличается L1 (Lasso) от L2 (Ridge) регуляризации?
MLmediummiddle
Проверяет основы машинного обучения и оценку моделей.
quiz-bankmlregularizationlasso-ridge
Варианты ответа
L2 (Ridge) обнуляет коэффициенты несущественных признаков, а L1 (Lasso) лишь уменьшает их пропорционально — это обратное утверждение общепринятой классификации
L1 и L2 дают математически идентичный результат при достаточно большом λ, разница только в численной стабильности и скорости сходимости алгоритмов оптимизации
L1-регуляризация применима только к регрессионным моделям, а L2 — только к классификационным; это ограничение встроено в библиотеки sklearn и PyTorch
Как разобрать этот вопрос на собеседовании
Определи тип задачи (регрессия/классификация), как ты разобьёшь данные и какой метрикой будешь мерить качество с учётом дисбаланса классов. Ценят понимание переобучения, утечки данных и того, почему выбрана именно эта метрика, а не accuracy по умолчанию.
На собеседовании по такому вопросу важно не только назвать ответ, но и кратко объяснить, почему он верный.
Тема вопроса — «ML». Чтобы подготовиться к похожим задачам, отрабатывай их на практике: раздел практики помогает довести навык до автоматизма, а раздел вопросов — увидеть формулировки, которые реально встречаются на интервью аналитика данных.
Разбор ответа
Подробный разбор с объяснением «почему правильный ответ верный» и почему остальные неверны — после регистрации.
3000+ вопросов с разбором, quiz-режим с проверкой, AI-собес и подготовка к интервью аналитика.