2. You are creating a training pipeline for a regression model. You use a dataset that has multiple numeric columns in which the values are on different scales. You want to transform the numeric columns so that the values are all on a similar scale. You also want the transformation to scale relative to the minimum and maximum values in each column. Which module should you add to the pipeline? Select Columns in a DatasetClean Missing DataNormalize Data

Which data scaling technique transforms data to a fixed range, often between 0 and 1?Review LaterMin-Max ScalingZ-Score StandardizationRobust ScalingLog Transformation

1 . Pertanyaan :Sebelum dilakukan PCA, apa yang harus kita lakukan terhadap data kita?A. Minmax scalingB. Exponential transformationC. Split datasetD. Tidak ada jawaban yang benarE. Standardization2 . Pertanyaan :Tahap proses machine learning dimana kita melakukan pembersihan raw data adalah pada…A. Data modelingB. Data cleaningC. Data ingestionD. Data preprocessingE. Data warehousing3 . Pertanyaan :Ketika layanan disimpan di lokasi pusat dan disalurkan bersama ke dalam berbagai model, hanya ada satu Salinan untuk setiap bagian untuk diperbarui. Semua contoh kode itu akan diperbarui ketika memperbarui yang asli. Ini merupakan masalah monolit yaitu..A. VelocityB. DensityC. VolumeD. VarietyE. Versioning4 . Pertanyaan :Kompleksitas waktu minimum untuk melatih SVM adalah O(n2). Menurut fakta ini, ukuran kumpulan data apa yang paling tidak cocok untuk SVM?A. Kumpulan data kecilB. Ukuran tidak masalahC. Kumpulan data besarD. Jawaban semua salahE. Kumpulan data berukuran sedang5 . Pertanyaan :Misalkan anda telah melatih SVM dengan batas keputusan linier setelah melatih SVM, Anda dengan benar menyimpulkan bahwa model SVM anda underfitting. Manakah dari opsi berikut yang akan Anda pertimbangkan untuk mengulangi SVM lain kali?A. Kurangi titik data andaB. Tingkatkan titik data andaC. Tidak ada jawaban yang benarD. Hitung lebih banyak variabelE. Kurangi variabel (reduksi dimensi)6 . Pertanyaan :Tahap proses machine learning dimana kita melakukan pembuatan feature baru ataupun meringkas feature adalah pada…A. Feature EngineeringB. Data warehousingC. Data modelingD. Data ingestionE. Data preprocessing7 . Pertanyaan :Decision tree dapat membuat pohon bias jika beberapa kelas mendominasi. Apa solusi nya?A. Menyeimbangkan dataset sebelum fittingB. Ketidakseimbangan dataset sebelum fittingC. Ketidakseimbangan dataset setelah fittingD. Tidak ada kemungkinan solusiE. Menyeimbangkan dataset setelah fitting8 . Pertanyaan :Apa yang digunakan K-Means untuk update centroid baru?A. Modus dari data clusterB. Tidak ada satupunC. Median dari data clusterD. 3rd Quartile dari data clusterE. Mean dari data cluster9 . Pertanyaan :Hal ini merupakan keuntungan menggunak Machine Learning Pipeline, kecuali…A. Menghemat memory yang digunakanB. Waktu yang digunakan cukup lamaC. Dapat memilih bagian tertentu saja untuk diperbaruiD. Dapat memanggil salah satu bagian saya dalam alur kerja machine learningE. Dapat menggunakan bagian dari tahap awal saja jika kita ingin menggunakan data tersebut ke model baru tanpa mereplikasi10 . Pertanyaan :Jari – jari pada DBSCAN sering disebut dengan:A. EpsilonB. Tidak ada jawaban benarC. RadianD. EdgeE. Delta

Write the scale of these dataDataScaleGenderNominal

What technique involves scaling numerical features to a similar range?a.Encodingb.Imputationc.Standardizationd.Normalization

13. A data analyst is developing a machine learning model to predict the sales revenue to be generated by each product being sold by a grocery shop. The training dataset has a lot of numeric variable that have different distributions as well las feature ranges. He was advised that he should use numeric transformations to transform the numeric features. Which of the following statements is/are true regarding some numeric transformations? Select all true.Yeo Johnson tranformation result in errors when the numeric feature contains negative valuesYeo Johnson transformation works on both negative and positive numbersBox Cox transformation result in errors when the numeric feature contains negative valuesBoth Cox Cox and Yeo Johnson transformation give error when the numeric values are floatsBoth Box Cox and Yeo Johnson transfomation transform the numeric fetures to normal distribution