Онлайн Тест 3 по дисциплине: Методы машинного обучения.

Цена:
490 руб.

Состав работы

material.view.file_icon 0EBCA976-F11E-4738-9238-3E6ADE314B11.docx

Необходимые программы

Работа представляет собой файл, который можно открыть в программе:
  • Microsoft Word

Описание

Вопрос No1
К какой категории алгоритмов машинного обучения относится метод наименьших квадратов?

Контролируемое обучение.

Неконтролируемое обучение.

Деревья принятия решений.

Логистическая регрессия.

Метод ансамблей.

Обучение с подкреплением.

Вопрос No2
Как называется сеть, состоящая из S, A, R — элементов, с переменной матрицей взаимодействия V, определяемой последовательностью прошлых состояний активности сети?

Персептрон.

Ансамбль элементов.

Ансамбль персептронов.

Сеть элементов.

Сеть персептронов.

Нет сетей включающих все три типа элементов.

Вопрос No3
В чём заключается задача уменьшения размерности?

Сопоставить объекту номер или наименование класса из заданного множества.

Разбиение заданного конечного множества объектов на непересекающиеся множества.

Исследование влияния одной или нескольких независимых величин на зависимую.

Для заданного множества объектов, описанных конечным числом признаков, уменьшить количество признаков, описывающих объекты, не изменив структуру множества объектов.

Определение следующего объекта ряда Х = х1, х2, ..., хt, в котором все объекты принадлежат некоторому множеству.

Такой задачи в машинном обучении не существует.

Вопрос No4
Как называется подход к реализации градиентного спуска, когда на каждой итерации алгоритма из обучающей выборки каким-то (случайным) образом выбирается только один объект. Таким образом вектор весов настраивается на каждый вновь выбираемый объект?

Итерационный подход.

Целостный подход.

Весовой подход.

Градиентный подход.

Пакетный подход.

Стохастический подход.

Алгоритмы по указанной схеме не реализуются.

Вопрос No5
Как называется вариант метода ближайших соседей, если весовая функция задана как

Простейший метод ближайшего соседа.

Метод k ближайших соседей.

Метод k экспоненциально взвешенных ближайших соседей.

Метод парзеновского окна переменной ширины.
Метод потенциальных функций.

Метод парзеновского окна фиксированной ширины.

Метода k ближайших соседей с такой весовой функцией не существует.

Вопрос No6
Что такое контролируемое обучение?

Методы машинного обучения, используемые в случаях, когда для определённого массива данных известны определённые свойства и требуется предсказать эти свойства для другого массива данных.

Методы машинного обучения, используемые для обнаружения неявных связей на немаркированном множестве данных.

Методы машинного обучения, в которых нет размеченного множества данных, но есть некоторая форма обратной связи, помогающая прогнозировать свойства объектов.

Методы машинного обучения для предсказания следующего элемента в последовательности.

Методы машинного обучения для сопоставления объектов с классами.

Таких метод машинного обучения не существует.

Вопрос No7
Зачем используется параметр skip в функции read.table()?

Для указания имени загружаемого файла.

Для указания имени экспортируемого файла.

Для сообщения программе о наличии в загружаемом файле строки с заголовками столбцов.

Для указания количества строк в файле.

Для указания номера столбца, в котором содержатся имена строк.

Для указания количества строк в файле, которое должно быть пропущено перед началом импортирования.

Вопрос No8
Как задаётся весовая функция для метода k экспоненциально взвешенных ближайших соседей?













Такого вида метода ближайших соседей не существует.

Вопрос No9
Что такое одномерная регрессия?

Регрессия с участием одной свободной переменной.

Регрессия с двумя свободными переменными.

Регрессия с тремя свободными переменными.

Регрессия с несколькими свободными переменными.

Регрессионная модель, которая является линейной комбинацией функций.

Регрессионная модель, которая является нелинейной комбинацией функций.

Вопрос No10
Пусть персептрон определён через предикат. Как называется персептрон, если каждый элемент из Ф может зависеть от всех точек, но должен быть линейной пороговой функцией?

Персептрон с последовательными связями.

Персептрон с перекрёстными связями.

Персептрон с обратной связью.

Персептрон, ограниченный по диаметру.

Персептрон ограниченного порядка.

Персептрон Гамбы.

Случайный персептрон.

Ограниченный персептрон.

Вопрос No11
Как называется элемент, который от воздействия энергии вырабатывает сигнал. Если входной сигнал больше ρi, то выдаётся выходной сигнал Si*= +1, иначе выходной сигнал равен нулю?

S-элемент.

A-элемент.

R-элемент.

D-элемент.

N-элемент.

E-элемент.

Такого элемента не существует.

Вопрос No12
Как называется функция от объекта, позволяющее определить, в какую из дочерних вершин нужно поместить рассматриваемый объект, использующаяся в решающих деревьях?

Определяющее правило.

Определяющая функция.

Функция регрессии.

Решающее правило.

Размещающая функция.

Размещающее правило.

Вопрос No13
К какой области машинного обучения относится задача сопоставления объекту номера или наименования класса из заданного множества?

Прогнозирование.

Уменьшение размерности.

Регрессия.

Кластеризация.

Классификация.

Задача из вопроса не относится к задачам машинного обучения.

Вопрос No14
К какой категории алгоритмов машинного обучения относится метод главных компонент?

Контролируемое обучение.

Неконтролируемое обучение.

Деревья принятия решений.

Метод наименьших квадратов.

Метод опорных векторов.

Обучение с подкреплением.

Вопрос No15
Что такое ядро сглаживания в методе ближайших соседей?

Неотрицательная монотонно невозрастающая функция [0; +∞].

Отрицательная монотонно возрастающая функция на отрезке [0; +∞].

Неотрицательная монотонно убывающая функция на отрезке [0; +∞].

Неотрицательная монотонно возрастающая функция на отрезке [ ∞; 0].

Неотрицательная монотонно убывающая функция на отрезке [ ∞; 0].

Вопрос No16
К какой категории алгоритмов машинного обучения относится анализ независимых компонент?

Контролируемое обучение.

Неконтролируемое обучение.

Деревья принятия решений.

Метод наименьших квадратов.

Метод опорных векторов.

Обучение с подкреплением.

Вопрос No17
Что является критерием останова построения решающего дерева?

Мера информации увеличивается менее чем на определённый процент.

Ограничение максимального числа объектов в листе.

Ограничение минимальной длины дерева.

Когда все объекты в вершине относятся к разным классам.

Мера информации увеличивается более чем на определённый процент.

Вопрос No18
К какой области машинного обучения относится задача уменьшения количества признаков, описывающих объекты некоторого конечного множества, не изменив структуру этого множества?

Прогнозирование.

Уменьшение размерности.

Регрессия.

Кластеризация.

Классификация.

Задача из вопроса не относится к задачам машинного обучения.

Вопрос No19
Как называются методы машинного обучения, используемые в случаях, когда для определённого массива данных известны определённые свойства и требуется предсказать эти свойства для другого массива данных?

Обучение с подкреплением.

Неконтролируемое обучение.

Контролируемое обучение.

Полу контролируемое обучение.

Методы классификации.

Регрессия.

Вопрос No20
Как называется вариант метода ближайших соседей, если весовая функция задана как

Простейший метод ближайшего соседа.

Метод k ближайших соседей.

Метод k экспоненциально взвешенных ближайших соседей.

Метод парзеновского окна фиксированной ширины.

Метод парзеновского окна переменной ширины.

Метод потенциальных функций.

Метода k ближайших соседей с такой весовой функцией не существует.

=============================================

Дополнительная информация

Не нашли нужный ответ на тесты СибГУТИ? Пишите, помогу с вашим онлайн тестом, другой работой или дисциплиной.

E-mail: sneroy20@gmail.com
E-mail: ego178@mail.ru
«Методы машинного обучения»
Общее задание является единым для всех вариантов, вариант влияет только на тип входных данных и способ ввода. Способов ввода будет 2: 1) Создать таблицу с данными и сохранить её в текстовом файле, данные считывать из этого файла 2) Данные задаются при помощи функции При формировании данных необходимо создать не менее 30 пар значений. Необходимо написать скрипт, который будет считывать/формировать данные, по этим данным стоится наиболее подходящая модель линейной регрессии. При помощи полученно
User Илья272 : 5 ноября 2023
700 руб.
«Методы машинного обучения»
Контрольная работа состоит из нескольких заданий. От варианта студента зависят входные данные, для которых будут решаться задания, а также некоторые особенности выполнения заданий. Всем студентам предоставляются наборы данных, в зависимости от варианта, для этих данных необходимо: 1) Построить классификатор на основе метода ближайших k соседей и определить класс тестового значения (описание метода можно найти по ссылке). От варианта зависят весовая функция и значение k. 2) Построить классифик
User Илья272 : 5 ноября 2023
1300 руб.
Методы машинного обучения. Билет №6
Билет №6 1) Что такое правило Хэбба? 2) Что такое сингулярное разложение? Как оно используется для решения задачи наименьших квадратов?
User IT-STUDHELP : 24 ноября 2021
350 руб.
promo
Методы машинного обучения. Вариант №1
Контрольная работа по методам классификации Выбор варианта: N = 1 Вариант выборки для метода ближайших соседей определяется по формуле: N_в=((N+13)mod11)+1=4. Обучающая последовательность и тестовый объект: 4) (X,Y)={(7,9,1), (2,5,1), (5,6,1), (8,6,1), (7,6,1), (7,9,2), (14,7,2), (14,2,2), (6,7,2), (10,3,2), (11,9,2), (9,1,2)}: тестовый объект x’=(12,12). Вариант весовой функции определяется по формуле: N_вф=((N+7)mod4)+1=3. Весовая функция: 3) — метод парзеновского окна фиксированной ши
User IT-STUDHELP : 24 ноября 2021
1000 руб.
promo
Методы машинного обучения. Билет №12
Билет №12 1) Что такое «выбросы»? Как осуществляется фильтрация выбросов в непараметрической регрессии? 2) Что такое «проблема мультиколлинеарности» в задачах многомерной линейной регрессии? Какие есть три подхода к её устранению?
User IT-STUDHELP : 15 ноября 2021
350 руб.
promo
Методы машинного обучения. Вариант №8
Выбор варианта: N = 8 Вариант выборки для метода ближайших соседей определяется по формуле: N_в=((N+13)mod11)+1=11 Вариант весовой функции определяется по формуле: N_вф=((N+7)mod4)+1=4 Вариант выборки для метода построения решающего дерева определяется по формуле: N_вд=((N*N+2)mod11)+1=1 Обучающая последовательность и тестовый объект для метода ближайших соседей: 11) (X,Y)={ (7,2,1), (8,1,1), (8,7,1), (8,2,1), (9,9,1), (6,8,1), (13,8,2), (6,1,2), (11,8,2), (4,12,3), (7,14,3), (1,8,3), (9,6,3)}
User IT-STUDHELP : 15 ноября 2021
1000 руб.
promo
Методы машинного обучения. Билет №1
Билет №1 1) Как определяется понятие отступа в метрических алгоритмах классификации? 2) Что такое ядерное сглаживание в регрессии?
User IT-STUDHELP : 15 ноября 2021
350 руб.
promo
Методы машинного обучения. Вариант №8
Задание на лабораторную работу Общее задание является единым для всех вариантов, вариант влияет только на тип входных данных и способ ввода. Способов ввода будет 2: Создать таблицу с данными и сохранить её в текстовом файле, данные считывать из этого файла Данные задаются при помощи функции При формировании данных необходимо создать не менее 30 пар значений. Необходимо написать скрипт, который будет считывать/формировать данные, по этим данным стоится наиболее подходящая модель линейной регрес
User IT-STUDHELP : 15 ноября 2021
500 руб.
promo
500 руб.
Курсовая работа по дисциплине: Сети радиодоступа (часть 1). Вариант №5
По заданным параметрам определить чувствительность приёмника. Для найденной чувствительности приёмника определить расстояние, на котором данная аппаратура может работать. Исходные данные: Частота f,ГГц - 2,5 Высота передающей антенны h_1,м -25 приемной антенны h_2,м - 2,5 Усиление передающей антенны G_1,дБи - 14 приемной антенны G_2,дБи - 4,0 Позиционность модуляции M - 64 Коэффициент шума приемника n,дБ - 3,0 Мощность передатчика P_п,Вт - 5 Скорость передачи R_b,Мбит/с - 10 Roll off factor α 0
User IT-STUDHELP : 20 июля 2020
290 руб.
promo
Контрольная работа по дисциплине "Распределенные системы" Вариант №4
Содержание Введение. 1.Azure Services Platform: подготовка рабочего места Visual Studio 2010 1.1 Цель 1.2 Задание 1.3 Ход работы 1.4 Выводы 2. Azure Services Platform: создание проекта Visual Studio 2010 2.1 Цель 2.2 Задание 2.3 Ход работы 2.4 Выводы 3. Структурированное хранилище данных Windows Azure Table 3.1 Цель 3.2 Задание 3.3 Ход работы 3.4 Выводы 4. Разработка хранилища Windows Azure Table с реляционной структурой 4.1 Цель 4.2 Задание 4.3 Ход работы 4.4 Выводы 5. Работа с Windows Azure T
User hikkanote : 16 апреля 2019
500 руб.
Лабораторные работы №№1-3 по дисциплине: Теория автоматов. Вариант №12
Лабораторная работа No1 1 Задание 1. Изучить теорию. 2. Составить графическое представление машины Тьюринга. 3. Составить табличное представление машины Тьюринга. 4. Составить логическое представление машины Тьюринга. 5. Составить схему алгоритма моделирования. 6. Написать программу. 7. Исследовать работоспособность модели при различных вариантах исходных данных, обеспечивающих проверку работы всех ветвей программы. 8. Провести анализ полученных результатов и сделать выводы по работоспособнос
User IT-STUDHELP : 18 ноября 2021
1200 руб.
Лабораторные работы №№1-3 по дисциплине: Теория автоматов. Вариант №12 promo
up Наверх