Ответы к заданиям КМ-6: Интеллектуальные информационные системы - КМ-6. Средства разработки интеллектуальных систем. Тестирование

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

Алгоритм, основанный на использовании метрики Хэмминга, строит дерево решений, используя
обучающую выборку.
Какое из четырёх утверждений верны?
Это дерево решений:

Выберите правильный ответ.

Алгоритмы машинного обучения используют в качестве входных данных обучающую выборку.
Результатом является классификатор, или упорядоченная система проверок, которая позволит
отнести объект классу.

Алгоритмы машинного обучения могут реализовать процедуру обучения «с учителем» или
обучения «без учителя». Эти два типа алгоритмов различаются тем, что:

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:

Дерево решений построено алгоритмом ID3 на основе конкретной обучающей выборки.
Выберите неверное утверждение.
Результат работы алгоритма считается успешным, если:

Какое из четырёх утверждений неверно?
Решающее правило, сформированное алгоритмом обобщения «с учителем», может быть
представлено в следующем виде:

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

Интеллектуальные системы Data Mining (добыча данных) и Knowledge Discovery in Databases
(обнаружение знаний в базах данных) решают задачи поиска скрытых закономерностей с
использованием реальных таблиц Баз данных.
При этом в качестве обучающей выборки выступает

Дана обучающая выборка, в которой все примеры относятся к одному классу. Можно ли на
такой выборке построить дерево решений одним из алгоритмов построения дерева решений?

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.
Существует алгоритм построения линейной решающей функции для случая двух классов.
Какие из этих утверждений верны?
Такой алгоритм построения линейной решающей функции:

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: