💼 База ответов к тесту КМ-6: Средства разработки интеллектуальных систем. Тестирование (Курс Интеллектуальные информационные системы) 📊

В системах машинного обучения под обобщением понимается переход от рассмотрения множества объектов к рассмотрению обобщенного понятия, описывающего класс таких объектов. Таким образом, решив задачу машинного обучения мы получим:

Объекты обучающей выборки заданы наборами числовых параметров и могут принадлежать нескольким классам. Существует метод построения решающей функции как получение уравнения границ, разделяющих классы.

Для случая двух классов задача сводится к построению только одной решающей функции; такая функция должна принимать положительные значения для объектов одного класса и отрицательные - для другого класса.

Существует алгоритм построения линейной решающей функции для случая двух классов, исходными данными для которого является обучающая выборка, содержащая примеры объектов этих двух классов.

Какое утверждение верно?

Алгоритм построения линейной решающей функции является:

Множество, которое используется для обучения в алгоритмах машинного обучения (Machine Learning)., содержит

В алгоритме AMX построения бинарного дерева решений для каждого атрибута в таблице, задающей обучающую выборку, строится бинарный вектор.
Какое расстояние D(X, Y) будет между ,бинарными векторами X и Y, если
Х = <0 1 0 0 1 1>
Y = < 0 1 1 1 0 1>?

Выберите правильный вариант.

В системе Data Mining возможна работа с обучающими выборками, которые содержат противоречивую информацию. Это значит, что в обучающей выборке присутствуют объекты, идентичные по всем атрибутам (признакам), но отнесённые к разным классам. Обучающие множества, содержащие противоречия, могут быть обработаны с помощью алгоритма:

Какие значения могут иметь признаки, которые используются при описании объектов обучающей выборки в алгоритмах машинного обучения:

Объекты обучающей выборки заданы наборами числовых параметров и принадлежат нескольким классам. Как принять решение - к какому классу отнести новый объект, не встречавшийся ранее в обучающей выборке? Возможны стратегии:

1 Объект будет включен в один из классов, если известны центры классов и расстояние от объекта до центра этого конкретного класса минимально по сравнению с расстояниями до центров других классов.

2 Объект будет отнесён к определённому классу, если существует граница, разделяющая классы, например, гиперплоскость, для которой есть аналитическое описание (функция). Надо проверить, как расположен объект относительно этой границы.

Выберите правильную стратегию.

Алгоритмы обучения «без учителя» алгоритм MAXMIN и алгоритм К-средних формируют классы объектов по критерию близости объектов в пространстве признаков. Ниже приведены свойства, которыми могут обладать эти алгоритмы:

1. Число полученных классов заранее известно.
2. Алгоритм выполняет несколько итераций для построения классов объектов.
3. Критерием завершения работы алгоритма является стабильность полученного разбиения обучающей выборки на классы.

Для алгоритмов MAXMIN и для алгоритма К-средних:

Примером интеллектуальной системы является экспертная система. Экспертная система (ЭС) - это интеллектуальная программа, которая моделирует рассуждения человека-эксперта в некоторой определенной области и использует для этого базу знаний, содержащую факты и правила о действиях в этой области, а также специальные средства логического вывода.

База знаний экспертной системы может хранить информацию в следующем виде:

1 Множество дизъюнктов Хорна.
2 Наборы продукционных правил.
3 Онтология.
4 Таблицы реляционных баз данных.

Какой вариант неверен:

Обучающая выборка задана таблицей, где каждая строка таблицы — это один объект, или пример понятия, заданный набором свойств (значений атрибутов). Один из множества атрибутов является решающим - определяет класс, к которому относится каждый объект. Какое утверждение является правильным:

Для представления знаний в экспертной системе на основе семантических сетей, онтологий, используются отношения:
Какие из перечисленных отношений обеспечивают наследование свойств объектами разных уровней?

Алгоритм ID3 Куинлана строит дерево решений на основе обучающей выборки. Какое из четырёх ниже приведённых утверждений неверно?
Дерево решений, построенное алгоритмом ID3: