Ответы к заданиям КМ-4: Интеллектуальные информационные системы - КМ-4. Методы машинного обучения. Тестирование -83,3%

Интеллектуальные информационные системы - КМ-4. Методы машинного обучения. Тестирование -83,3%
🔴 Другие тесты | Отдельные ответы по предмету | Помощь со сдачей ⬅️
Список вопросов:
1 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?
2 Какое из четырёх утверждений неверно? Решающее правило, сформированное алгоритмом обобщения «с учителем», может быть представлено в следующем виде:
3 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:
4 Дерево решений построено алгоритмом ID3 на основе конкретной обучающей выборки. Выберите неверное утверждение. Результат работы алгоритма считается успешным, если:
5 В системе Data Mining возможна работа с обучающими выборками, которые обладают таким свойством: в обучающей выборке присутствуют объекты, идентичные по всем атрибутам (признакам), но отнесённые к разным классам. Какое определение правильно? Такие обучающие множества
6 Множество, которое используется для обучения в алгоритмах машинного обучения (Machine Learning)., содержит
7 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>?
8 Дана обучающая выборка, в которой все примеры относятся к одному классу. Можно ли на такой выборке построить дерево решений одним из алгоритмов построения дерева решений?
9 Какие из перечисленных ниже алгоритмов относятся к алгоритмам обучения «с учителем»?
10 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:
11 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: …
12 Алгоритмы обучения «без учителя» - пороговый алгоритм и алгоритм MAXMIN - формируют классы объектов по критерию близости объектов в пространстве признаков. Ниже приведены свойства, которыми могут обладать эти алгоритмы: 1 Число полученных классов заранее неизвестно и может быть больше двух. 2 Пороговое расстояние, определяющее границу между классами, меняется во время работы алгоритма. 3 Алгоритм выполняет несколько итераций для построения классов объектов. Для алгоритмов MAXMIN и для порогового алгоритма:

⬇️ Помощь с другими работами (нажимайте на нужную ссылку) ⬇️
➡️Любой предмет/КМ | Любой тест | Любая практика | ВКР (Диплом)⬅️
🗝️ ▶ Сессия под ключ/закрытие долгов ◀ 🗝️