Страницу Назад
Поискать другие аналоги этой работы
Онлайн Тест 6 по дисциплине: Методы машинного обучения.ID: 240131Дата закачки: 01 Октября 2023 Продавец: IT-STUDHELP (Напишите, если есть вопросы) Посмотреть другие работы этого продавца Тип работы: Тесты Форматы файлов: Microsoft Word Сдано в учебном заведении: СибГУТИ Описание: Вопрос №1 Как называется регрессионная модель, которая является линейной комбинацией функций? Одномерная регрессия. Двумерная регрессия. Трёхмерная регрессия. Многомерная регрессия. Линейная регрессия. Экспоненциальная регрессия. Нелинейная регрессия. Вопрос №2 Что такое непересекающиеся классы в задаче классификации? Случай, когда объекты могут относиться только к одному классу. Случай, когда объекты могут относиться одновременно к нескольким классам. Случай, когда объекты принадлежат классам с определённой вероятностью. Случай, когда объекты принадлежат только одному классу, но с определённой вероятностью. Случай, когда объекты принадлежат всегда нескольким классам с определённой вероятностью. Таких классов в задаче классификации не существует. Вопрос №3 Зачем используется параметр nrows 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, которое должно быть с читано из загружаемой таблицы. Вопрос №4 Как вычисляется дисперсия остатков? где SSE – среднеквадратическая ошибка. где SSE – функция регрессионной зависимости. где SSE – фактическое значение функции. где SSE – среднеквадратическая ошибка. где SSE – функция регрессионной зависимости. где SSE – фактическое значение функции. Вопрос №5 Как задаётся весовая функция для метода k экспоненциально взвешенных ближайших соседей? Такого вида метода ближайших соседей не существует. Вопрос №6 В задачу какого метода машинного обучения входит выбор вектора минимизирующего ошибку S = |A  y|2: Метод наименьших квадратов. Многомерная регрессия. Линейный классификатор. Наивный байесовский классификатор. Кластеризация. Метод ближайших соседей. Вопрос №7 Что вычисляет функция где SSE – среднеквадратическая ошибка? Среднеквадратическая дисперсия. Линейная регрессия. Одномерная регрессия. Многомерная регрессия. Среднеквадратическая ошибка. Дисперсия остатков. Вопрос №8 В чём заключается задача прогнозирования? 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 №9 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 №10 Как называется элемент, который от воздействия энергии вырабатывает сигнал. Если входной сигнал больше i, 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 №11 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. Вопрос №12 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 №13 В чём заключаются два основных требования к методам понижения размерности? Количество новых признаков должно быть меньше количества исходных признаков; новые признаки должны содержать как можно больше информации из исходных признаков. Количество новых признаков должно быть больше количества исходных признаков; новые признаки должны содержать как можно больше информации из исходных признаков. Количество новых признаков должно быть больше количества исходных признаков; новые признаки должны содержать как можно меньше информации из исходных признаков. Количество новых признаков должно быть меньше количества исходных признаков; новые признаки должны содержать как можно меньше информации из исходных признаков. Задача понижения размерности не может быть решена. Вопрос №14 Что такое линейная 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 №15 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 №16 Как вычисляется сумма квадратов остатков? , где yi – фактическое значение, f(,xi) – функция регрессионной зависимости. , где yi – дисперсия, f(,xi) – функция регрессионной зависимости. , где yi – фактическое значение, f(,xi)– дисперсия. , где yi – фактическое значение, f(,xi)– функция регрессионной зависимости. , где yi – дисперсия, f(,xi)– функция регрессионной зависимости. , где yi – фактическое значение, f(,xi)– дисперсия. Вопрос №17 Что такое пересекающиеся классы в задаче классификации? Случай, когда объекты могут относиться только к одному классу. Случай, когда объекты могут относиться одновременно к нескольким классам. Случай, когда объекты принадлежат классам с определённой вероятностью. Случай, когда объекты принадлежат только одному классу, но с определённой вероятностью. Случай, когда объекты принадлежат всегда нескольким классам с определённой вероятностью. Таких классов в задаче классификации не существует. Вопрос №18 Как задаётся весовая функция для метода потенциальных функций? Такого вида метода ближайших соседей не существует. Вопрос №19 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 №20 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. ============================================= Комментарии: 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 Размер файла: 210,5 Кбайт Фаил: 
(.docx)
------------------- Обратите внимание, что преподаватели часто переставляют варианты и меняют исходные данные! Если вы хотите, чтобы работа точно соответствовала, смотрите исходные данные. Если их нет, обратитесь к продавцу или к нам в тех. поддержку. Имейте ввиду, что согласно гарантии возврата средств, мы не возвращаем деньги если вариант окажется не тот. -------------------
Коментариев: 0 |
||||
Есть вопросы? Посмотри часто задаваемые вопросы и ответы на них. Опять не то? Мы можем помочь сделать! |
||||
Вход в аккаунт:
Страницу Назад
Cодержание / Методы машинного обучения. / Онлайн Тест 6 по дисциплине: Методы машинного обучения.
Вход в аккаунт: