- Количество объектов в каждом классе
- Обучающую выборку
- Критерии отнесения объектов классам
- Центры классов
- Количество классов, к которым относятся объекты
Дерево решений построено алгоритмом ID3. Дерево решений используется:
для классификации примеров обучающей выборки.
для модификации дерева решений и получения нового, улучшенного варианта дерева решений.
для классификации новых примеров, ранее не входящих в обучающую выборку.
Выберите верные для алгоритмов обучения «с учителем» утверждения.
В интеллектуальных системах машинным обучением называется процесс создания и оптимизации классификационного правила, которое разделяет предъявленные объекты на классы.
В алгоритмах обучения «с учителем» такой классификатор представляет: ...
границы между классами, заданные в виде функций
набор логических функций
дерево решений
множество продукционных правил
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:
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
Все, кроме 1)
Все пять свойств
Все, кроме 2)
Все, кроме 5)
Все, кроме 3)
Все, кроме 4)
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?
упорядоченным набором линейных функций
логическими выражениями
упорядоченным набором признаков
в виде ориентированного графа