Ответы на вопросы из коллекции "Интеллектуальные информационные системы - КМ-4. Методы машинного обучения. Тестирование"

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

• Алгоритм построения линейной разделяющей функции.
• Алгоритм MAXMIN.
• Пороговый алгоритм.
• Алгоритм построения нелинейной разделяющей функции.
• Алгоритм «К средних».

• Все конечные вершины бинарного дерева (листья) взвешены именами более, чем двух классов.
• Выбор очередного атрибута для размещения в узле дерева делается на основе метрики Хемминга.
• Атрибут, размещённый в корне дерева, может использоваться повторно при движении от корневой вершины к листу дерева.

• Алгоритм MAXMIN.
• Пороговый алгоритм.
• Алгоритм «К средних».
• Алгоритм построения линейной разделяющей функции.
• Алгоритм построения дерева решений ID3.

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

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

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

В интеллектуальных системах Data Mining (добыча данных) и Knowledge Discovery in Databases (обнаружение знаний в базах данных) обучающая выборка — это некоторый фрагмент таблицы, хранящейся в распределённой БД. Известно, что такие таблицы могут содержать очень много атрибутов различного типа. Как определяется решающий атрибут для формирования обобщенных понятий?

• Решающий атрибут определяется на основе эвристических критериев.

• Решающий атрибут указывает эксперт.

• Решающий атрибут находится на основе оценки информативности.

• 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.

• границы между классами, заданные в виде функций
• множество продукционных правил
• дерево решений
• набор логических функций

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

• все объекты обучающей выборки описываются наборами числовых признаков
• критерием сходства объектов является мера близости, определяющая расстояние между объектами.
• все объекты обучающей выборки первоначально не отнесены к конкретным классам
• всем объектам обучающей выборки приписаны имена классов
• классы объектов формируются по признаку сходства объектов между собой