Ответы на вопросы из коллекции "💼 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:

• Количество объектов в каждом классе
• Обучающую выборку
• Критерии отнесения объектов классам
• Центры классов
• Количество классов, к которым относятся объекты

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

• бесконечное число примеров
• бесконечное, но обязательно счётное число примеров
• счётное число примеров
• конечное число примеров

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:

• алгоритмом обучения «с учителем»
• алгоритмом обучения «без учителя»

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.

• Обе стратегии допустимы.
• Стратегия 1 правильная.
• Стратегия 2 правильная.

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>?

• Расстояние D(X, Y) равно 4
• Расстояние D(X, Y) равно 5
• Расстояние D(X, Y) равно 3

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:

• алгоритм RЅ1 построения приближённого множества
• ID3
• MaxMin
• алгоритм построения дерева решений, использующий метрику Хемминга

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:

• все варианты верны
• четвёртый
• третий
• Второй
• первый

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

• Отношение «объект часть объекта»
• Иерархия «класс - подкласс» (IЅА иерархия)
• Отношение «класс - пример класса»
• Логические отношения
• Отношение «объект - свойство объекта»

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:

• Решающий атрибут может иметь произвольное числовое значение.
• Решающий атрибут обязательно будет бинарным.
• Решающий атрибут может иметь произвольное число символьных значений.
• Решающий атрибут имеет ограниченное количество значений (числовых или символьных) либо является бинарным

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:

• только свойства 2 и 3 верны для этих двух алгоритмов.
• все три свойства верны только для алгоритма К-средних и не верны для алгоритма MAXMIN.
• все три свойства верны.

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

• В корне дерева находится наиболее информативный признак.
• Обязательно будет бинарным.
• Дерево решений, построенное алгоритмом ID3:
• Каждый путь от корня дерева к листу не содержит повторных проверок уже использованных атрибутов.
• Конечные вершины дерева (листья) могут быть взвешены именами двух и более классов.

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

• вещественные числа
• изображения
• наборы символов
• целочисленные значения
• логические значения