Перейти до основного вмісту
🔒 Режим прев'ю. Перші 15 уроків Foundations — безкоштовні; цей — Pro. Запусти 7-денний trial щоб відкрити редактор, AI-підказки і решту курсу. Потрібна картка, скасування в Dashboard у будь-який момент.
Почати 7-денний trial →
⚡
← Курси
›
Interview Prep
›
Модуль 6 · Паралелізм, ОС, ML Теми інтерв’ю
›
ML: дисципліна тренування/вал/тест
quiz
93 / 104
🇺🇦
UA
▼
↗
Поділитись
⋯
Ще
+100 XP
📋
Завдання
📖
Теорія
🤖
AI Допомога
Завдання
🌐 shown in EN
📝 **Питання:** Чому окремий набір перевірки? 📋 Виберіть правильну відповідь. 💡 **Підказка:** Перечитайте наведену вище теорію, якщо не впевнені.
🎯 Тест
Питання
📝 **Питання:** Чому окремий набір перевірки? 📋 Виберіть правильну відповідь. 💡 **Підказка:** Перечитайте наведену вище теорію, якщо не впевнені.
A
More splits give you more data — three splits triples your effective dataset size and stabilises the metrics.
B
Validation tunes hyperparameters; test gives honest final score never touched during dev.
C
Same as the test set — sklearn's `train_test_split` is the canonical pattern and validation is just naming.
D
Doesn't really matter — k-fold cross-validation on the train set already gives an unbiased estimate of generalisation.
Відповісти
💬 Обговорення
Будьте першим — поставте запитання або поділіться порадою.
Увійдіть
щоб приєднатися до обговорення. Читання безкоштовне.
Завантаження обговорення…