Ответы на вопросы из коллекции "Интеллектуальные информационные системы - КМ-6. Средства разработки интеллектуальных систем. Тестирование"

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: ...

• Обучающая выборка, из которой удалены те примеры, для которых классификация была ошибочна.

• Множество примеров, ни один из которых не входил в исходную обучающую выборку.

• Обучающая выборка полностью.

• Часть обучающей выборки (например, половина).

• Обучающая выборка, к которой добавлены несколько новых примеров.

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

• В корне дерева находится наиболее близкий к решающему атрибуту признак.
• Конечные вершины дерева (листья) могут быть взвешены именами более чем двух классов.
• Каждый путь от корня дерева к листу не содержит повторных проверок уже использованных атрибутов.
• Обязательно будет бинарным.

• При обучении «с учителем» объекты обучающей выборки снабжены атрибутом, указывающим класс каждого объекта; при обучении «без учителя» такой атрибут отсутствует.
• Обучающая выборка при обучении «с учителем» существенно больше обучающей выборки при обучении «без учителя».
• При обучении «с учителем» объекты обучающей выборки имеют атрибуты точно одного типа; при обучении «без учителя» объекты обучающей выборки описываются атрибутами разного типа (числовые, символьные, логические).

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

• 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.

• дерево решений правильно классифицирует все примеры обучающей выборки.
• дерево решений правильно классифицирует примеры из любых наборов данных, в которых объекты отличаются от объектов обучающей выборки и имеют другие атрибуты.
• дерево решений может быть преобразовано в набор продукционных правил.
• дерево решений правильно классифицирует новые примеры, аналогичные примерам обучающей выборки, но ранее не входящие в обучающую выборку.

• Набор продукционных правил.
• Дерево решений.
• Двудольный граф.
• Логическая функция, использующая операции И ИЛИ НЕ.

• реальная таблица, хранящиеся в распределенной БД
• фрагмент реальной таблицы, хранящейся в распределённой БД
• фрагмент реальной таблицы, хранящейся в распределённой БД, где один из атрибутов выбран в качестве решающего атрибута

• Нет
• Да

• (2)
• (1)
• (3)

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