Для студентов ИДДО НИУ «МЭИ» по предмету Интеллектуальные информационные системы (ИИС)Интеллектуальные информационные системы - КМ-4. Методы машинного обучения. Тестирование -91,7%Интеллектуальные информационные системы - КМ-4. Методы машинного обучения. Тестирование -91,7%
5,0052
2025-12-112025-12-11СтудИзба
Ответы к заданиям КМ-4: Интеллектуальные информационные системы - КМ-4. Методы машинного обучения. Тестирование -91,7%
Новинка
Описание
Интеллектуальные информационные системы - КМ-4. Методы машинного обучения. Тестирование -91,7%
🔴 Другие тесты | Отдельные ответы по предмету | Помощь со сдачей ⬅️
Список вопросов:
1 В алгоритме AMX построения бинарного дерева решений для каждого атрибута в таблице, задающей обучающую выборку, строится бинарный вектор. Были получены три бинарных вектора X, Y, Z: Х = <0 1 0 1 1 1> Y = < 0 1 1 1 0 1> Z = <0 0 0 1 1 1 > Какой из двух векторов: X или Y ближе к вектору Z?
2 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:
3 Обучение на основе примеров является типичным случаем индуктивного обучения и широко используется в системах искусственного интеллекта. На основе предъявленных примеров (и, возможно, контрпримеров) интеллектуальная система должна сформировать общее понятие, охватывающее примеры и исключающее контрпримеры. Как представляются примеры - объекты в системах машинного обучения?
4 Какие свойства объектов, хранящихся в реальных базах данных, затрудняет их использование для машинного обучения в системах Data mining и в экспертных системах: 1) Базы данных создаются из расчета требований конкретных приложений, а не специально для машинного обучения. 2) Информация, содержащаяся в базах данных, как правило, неполна. Свойства объектов, необходимые для корректной классификации, не обязательно представлены в базе данных. 3) Отдельные значения могут содержать ошибки или вовсе отсутствовать. 4) Базы данных очень велики. 5) Базы данных изменяются со временем. Варианты ответов
5 Какие из перечисленных ниже алгоритмов относятся к алгоритмам обучения «с учителем»?
6 Выберите утверждения, верные для алгоритмов обучения «без учителя».В интеллектуальных системах машинным обучением называется процесс создания и оптимизации алгоритма, который разделяет предъявленные объекты на классы. Для обучения используется определенный набор объектов, называемый обучающим множеством или обучающей выборкой. В алгоритмах обучения: …
7 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.
8 Дерево решений построено алгоритмом ID3. Дерево решений используется:
9 Множество, которое используется для обучения в алгоритмах машинного обучения (Machine Learning)., содержит
10 Алгоритм, основанный на использовании метрики Хэмминга, строит дерево решений, используя обучающую выборку. Какое из четырёх утверждений верны? Это дерево решений:
11 Алгоритм ID3 Куинлана строит дерево решений на основе обучающей выборки. Какое из четырёх ниже приведённых утверждений неверно? Дерево решений, построенное алгоритмом ID3:
12 Наиболее простой способ оценить, насколько хорошо построенная решающая функция (такая, как система решающих правил, или дерево решений) работает – это проверить её на тестовом множестве (экзамен).Какое из утверждений верно? В качестве экзаменационного множества при этом используется: …
⬇️ Помощь с другими работами (нажимайте на нужную ссылку) ⬇️
➡️Любой предмет/КМ | Любой тест | Любая практика | ВКР (Диплом)⬅️
🗝️ ▶ Сессия под ключ/закрытие долгов ◀ 🗝️
🔴 Другие тесты | Отдельные ответы по предмету | Помощь со сдачей ⬅️
1 В алгоритме AMX построения бинарного дерева решений для каждого атрибута в таблице, задающей обучающую выборку, строится бинарный вектор. Были получены три бинарных вектора X, Y, Z: Х = <0 1 0 1 1 1> Y = < 0 1 1 1 0 1> Z = <0 0 0 1 1 1 > Какой из двух векторов: X или Y ближе к вектору Z?
2 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:
3 Обучение на основе примеров является типичным случаем индуктивного обучения и широко используется в системах искусственного интеллекта. На основе предъявленных примеров (и, возможно, контрпримеров) интеллектуальная система должна сформировать общее понятие, охватывающее примеры и исключающее контрпримеры. Как представляются примеры - объекты в системах машинного обучения?
4 Какие свойства объектов, хранящихся в реальных базах данных, затрудняет их использование для машинного обучения в системах Data mining и в экспертных системах: 1) Базы данных создаются из расчета требований конкретных приложений, а не специально для машинного обучения. 2) Информация, содержащаяся в базах данных, как правило, неполна. Свойства объектов, необходимые для корректной классификации, не обязательно представлены в базе данных. 3) Отдельные значения могут содержать ошибки или вовсе отсутствовать. 4) Базы данных очень велики. 5) Базы данных изменяются со временем. Варианты ответов
5 Какие из перечисленных ниже алгоритмов относятся к алгоритмам обучения «с учителем»?
6 Выберите утверждения, верные для алгоритмов обучения «без учителя».В интеллектуальных системах машинным обучением называется процесс создания и оптимизации алгоритма, который разделяет предъявленные объекты на классы. Для обучения используется определенный набор объектов, называемый обучающим множеством или обучающей выборкой. В алгоритмах обучения: …
7 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.
8 Дерево решений построено алгоритмом ID3. Дерево решений используется:
9 Множество, которое используется для обучения в алгоритмах машинного обучения (Machine Learning)., содержит
10 Алгоритм, основанный на использовании метрики Хэмминга, строит дерево решений, используя обучающую выборку. Какое из четырёх утверждений верны? Это дерево решений:
11 Алгоритм ID3 Куинлана строит дерево решений на основе обучающей выборки. Какое из четырёх ниже приведённых утверждений неверно? Дерево решений, построенное алгоритмом ID3:
12 Наиболее простой способ оценить, насколько хорошо построенная решающая функция (такая, как система решающих правил, или дерево решений) работает – это проверить её на тестовом множестве (экзамен).Какое из утверждений верно? В качестве экзаменационного множества при этом используется: …
⬇️ Помощь с другими работами (нажимайте на нужную ссылку) ⬇️
➡️Любой предмет/КМ | Любой тест | Любая практика | ВКР (Диплом)⬅️
🗝️ ▶ Сессия под ключ/закрытие долгов ◀ 🗝️
Характеристики ответов (шпаргалок) к заданиям
Учебное заведение
Номер задания
Теги
Просмотров
1
Качество
Идеальное компьютерное
Размер
2,34 Mb
Преподаватели
Список файлов
вопрос (1).png
вопрос (2).png
вопрос (3).png
вопрос (4).png
вопрос (5).png
вопрос (6).png
вопрос (7).png
вопрос (8).png
вопрос (9).png
вопрос (10).png
вопрос (11).png
вопрос (12).png
результ.png
Комментарии
Нет комментариев
Стань первым, кто что-нибудь напишет!
ИДДО НИУ «МЭИ» 
studizboss











