ML Mentor
К понятиям
Классическое машинное обучение

Градиентный бустинг

Последовательный ансамбль, исправляющий ошибки через градиенты функции потерь.

gradient boostingCatBoostXGBoostLightGBM

Показаны только вручную проверенные связи. Частотность появится после полного покрытия раздела. Проверка от 2026-07-16.

Начать с вопросаСмотреть все формулировки

Что нужно уметь

  • Объяснить обучение и регуляризацию
  • Обосновать выбор для табличной задачи

Как эту тему спрашивают

Канонические типы вопроса объединяют разные формулировки, но каждая ссылка ведёт на конкретный вопрос из интервью.

Что должно быть в ответе

  • Градиенты функции потерь
  • Последовательность деревьев
  • Темп обучения и регуляризация

Что должно быть в ответе

  • Свойства данных
  • Сравнение с базовым решением
  • Стоимость и интерпретируемость

Что должно быть в ответе

  • Причина утечки
  • Out-of-fold или упорядоченное кодирование
  • Работа с редкими категориями
Прямой вопросQuantum One

Категориальные функции порта: одногорячее кодирование, целевые агрегаты и утечка

Quantum One: Техническое собеседование

Открыть вопросВсё собеседование