Для студентов НИУ «МЭИ» по предмету Интеллектуальные информационные системы (ИИС)КМ 4. Тест 2 по ИИнфСКМ 4. Тест 2 по ИИнфС
2022-06-112022-06-11СтудИзба
Ответы: КМ 4. Тест 2 по ИИнфС
Описание
Тест сдан на 100%. Ниже указан перечень вопросов из теста:
1. Формирование понятий по сути является процессом выделения закономерностей, свойственных множествам объектов. Такие множества объектов образуют обучающие выборки. Выберите правильное определение обучающей выборки.
Обучающая выборка, которая используется в алгоритме обучения «с учителем»:
2. Какое из четырёх утверждений неверно?
Алгоритм ID3 Куинлана строит дерево решений на основе обучающей выборки. Это дерево решений:
3. Какие из перечисленных алгоритмов не относятся к алгоритмам обучения «без учителя»?
4. 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:
5. Какая из предложенных стратегий верна?
После того, как решающее правило на обучающей выборке построено, проводится экзамен – с помощью решающего правила надо разделить объекты новой, экзаменационной выборки на примеры и контрпримеры. Если решающее правило правильно проводит такое разделение, обучение заканчивается. Если результат экзамена неудовлетворителен:
6. Какое из четырёх утверждений неверно?
Алгоритм, основанный на использовании метрики Хэмминга, строит дерево решений, используя обучающую выборку. Это дерево решений:
7. Каким из перечисленных ниже свойств обязательно обладает бинарное дерево решений?
8. Какие из приведённых утверждений ошибочны, если речь идёт о дереве решений?
9. 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 для обучения - в системах искусственного интеллекта? 10. Какое из утверждений верно?
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).
В качестве экзаменационного множества при этом используется:
11. Какое из четырёх утверждений неверно?
Решающее правило, сформированное алгоритмом обобщения «с учителем», может быть представлено в следующем виде:
12. Какие виды признаков не могут использоваться при описании объектов машинного обучения?
1. Формирование понятий по сути является процессом выделения закономерностей, свойственных множествам объектов. Такие множества объектов образуют обучающие выборки. Выберите правильное определение обучающей выборки.
Обучающая выборка, которая используется в алгоритме обучения «с учителем»:
2. Какое из четырёх утверждений неверно?
Алгоритм ID3 Куинлана строит дерево решений на основе обучающей выборки. Это дерево решений:
3. Какие из перечисленных алгоритмов не относятся к алгоритмам обучения «без учителя»?
4. 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:
5. Какая из предложенных стратегий верна?
После того, как решающее правило на обучающей выборке построено, проводится экзамен – с помощью решающего правила надо разделить объекты новой, экзаменационной выборки на примеры и контрпримеры. Если решающее правило правильно проводит такое разделение, обучение заканчивается. Если результат экзамена неудовлетворителен:
6. Какое из четырёх утверждений неверно?
Алгоритм, основанный на использовании метрики Хэмминга, строит дерево решений, используя обучающую выборку. Это дерево решений:
7. Каким из перечисленных ниже свойств обязательно обладает бинарное дерево решений?
8. Какие из приведённых утверждений ошибочны, если речь идёт о дереве решений?
9. 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 для обучения - в системах искусственного интеллекта? 10. Какое из утверждений верно?
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).
В качестве экзаменационного множества при этом используется:
11. Какое из четырёх утверждений неверно?
Решающее правило, сформированное алгоритмом обобщения «с учителем», может быть представлено в следующем виде:
12. Какие виды признаков не могут использоваться при описании объектов машинного обучения?
Файлы условия, демо
Характеристики ответов (шпаргалок)
Учебное заведение
Семестр
Просмотров
225
Покупок
25
Размер
407,45 Kb
Список файлов
- 1.PNG 42,01 Kb
- 2.PNG 32,14 Kb
- 3.PNG 23,29 Kb
- 4.PNG 35,48 Kb
- 5.PNG 59,24 Kb
- 6.PNG 36,56 Kb
- 7.PNG 29,78 Kb
- 8.PNG 46,28 Kb
- 9.PNG 46,32 Kb
- 10.PNG 48,63 Kb
- 11.PNG 28,15 Kb
- 12.PNG 23,96 Kb