Ответы 1-24: КМ-2. Data Mining. Тестирование
Описание
Документ содержит материал с легким поиском по словам
Задача классификации решается с помощью следующих методов:
| | линейная регрессия |
| | генетические алгоритмы |
| | деревья решений |
| | метод деления пополам |
| | байесовские методы |
Метод деревьев решений является методом решения:
| | задачи классификации |
| | задачи прогнозирования |
| | задач классификации и кластеризации |
| | задачи кластеризации |
| | задач классификации и прогнозирования |
Основными этапами процесса Data Mining являются:
| | построение модели |
| | выбор модели |
| | подготовка данных |
| | применение модели |
| | анализ предметной области |
Характеристиками кластера являются:
| | внешняя изолированность |
| | разнородность объектов в кластере |
| | внутренняя изолированность |
| | внешняя однородность |
| | внутренняя однородность |
Метод деревьев решений работает:
| | с числовыми и категориальными данными |
| | с числовыми данными |
| | с категориальными данными |
| | с числовыми и символьными данными |
| | с символьными данными |
Точность моделей, созданных при помощи деревьев решений, сопоставима с:
| | методами кластеризации |
| | байесовской классификацией |
| | нейронными сетями |
| | методом опорных векторов |
| | статистическими методами |
Характеристиками оценивания метода классификации являются:
| | скорость |
| | надежность |
| | объем исходных данных |
| | масштабируемость |
| | интерпретируемость |
Этап очистки данных процесса Data Mining включает:
| | преобразования данных |
| | противоток данных |
| | подтверждение данных |
| | определение необходимого количества данных |
| | анализ данных |
Алгоритм, который строит отдельные ветви дерева решений для каждого класса, это:
| | алгоритм покрытия |
| | алгоритм классификации |
| | алгоритм ID3 |
| | алгоритм перебором |
| | масштабируемый алгоритм |
Классификация, которая производится по внешнему признаку и служит для придания множеству предметов нужного порядка, является:
| | искусственной |
| | сложной |
| | простой |
| | одномерной |
| | естественной |
Различие задач классификации и кластеризации состоит:
| | при классификации имеется один класс данных, который затем разбивается на подклассы |
| | при кластеризации имеется один кластер данных, который затем разбивается на более мелкие кластеры |
| | при классификации классы изучаемого набора данных заранее не предопределены |
| | при кластеризации классы изучаемого набора данных заранее не предопределены |
| | при кластеризации классы изучаемого набора данных заранее предопределены |
Основными этапами алгоритма конструирования деревьев решений являются:
| | обходы дерева |
| | сокращение дерева |
| | тестирование дерева |
| | анализ дерева |
| | построение дерева |
Основными этапами процесса классификации являются:
| | анализ модели |
| | верификация модели |
| | тестирование модели |
| | использование модели |
| | конструирование модели |
Признаками, характеризующими качество классификационной модели, построенной при помощи дерева решений, являются:
| | количество правильно классифицированных объектов |
| | общее количество классифицированных объектов |
| | точность распознавания |
| | время распознавания |
| | ошибка |
Этап подготовки данных процесса Data Mining включает:
| | анализ требований к данным |
| | очистка данных |
| | определение необходимого количества данных |
| | предварительная обработка данных |
| | сбор данных |
При решении задачи классификации применяются методы:
| | деревья решений |
| | метод опорных векторов |
| | метод ближайшего соседа |
| | линейная регрессия |
| | байесовская классификация |
«Грязными» данными являются:
| | шумы |
| | пропущенные значения |
| | выбросы |
| | нулевые значения |
| | дубликаты |
Основным отличием задачи кластеризации от задачи классификация является:
| | при кластеризации классы изучаемого набора данных заранее не предопределены |
| | при кластеризации классы изучаемого набора данных заранее предопределены |
| | при классификации классы изучаемого набора данных заранее не предопределены |
Классификация, которая производится по существенным признакам, характеризующим внутреннюю общность предметов и явлений, называется:
| | искусственной |
| | простой |
| | естественной |
| | многомерной |
| | сложной |
Качество данных является критерием, который определяет:
| | полноту данных |
| | возможность интерпретации данных |
| | своевременность данных |
| | ошибки в данных |
| | точность данных |
При использовании деревьев решений конструкция вида «если : то : » называется:
| | разветвлением |
| | правилом |
| | узлом разветвления |
| | условием |
| | условным выражением |
Алгоритмами, реализующими деревья решений, являются:
| | CART |
| | ID4 |
| | C3.5 |
| | C4.5 |
| | ID3 |
Методами решения проблемы остановки разбиения дерева решений являются:
| | задание оптимального количества примеров в конечных узлах дерева |
| | ограничение глубины дерева |
| | ранняя остановка |
| | задание минимального количества примеров в конечных узлах дерева |
| | задание максимального количества примеров в конечных узлах дерева |
Основными этапами процесса классификации являются:
| | тестирование модели |
| | оценка модели |
| | использование модели |
| | анализ предметной области |
| | конструирование модели |
Характеристики ответов (шпаргалок)
Список файлов
- Анализ данных. КМ-2.pdf 147,51 Kb
- 2.pdf 1,8 Mb
Комментарии
