Для студентов НИУ «МЭИ» по предмету Интеллектуальные информационные системы (ИИС)КМ-4. Методы машинного обучения. Тестирование - 100% (оценка 5)КМ-4. Методы машинного обучения. Тестирование - 100% (оценка 5)
5,0051
2023-12-042023-12-04СтудИзба
Ответы КМ-4: КМ-4. Методы машинного обучения. Тестирование - 100% (оценка 5)
Описание
1 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:
2 Какие из перечисленных алгоритмов не относятся к алгоритмам обучения «без учителя»?
3 Какие виды признаков не могут использоваться при описании объектов машинного обучения?
4 Какое из четырёх утверждений неверно? Алгоритм, основанный на использовании метрики Хэмминга, строит дерево решений, используя обучающую выборку. Это дерево решений:
5 Каким из перечисленных ниже свойств обязательно обладает бинарное дерево решений?
6 Какое из четырёх утверждений неверно? Решающее правило, сформированное алгоритмом обобщения «с учителем», может быть представлено в следующем виде:
7 Какое из четырёх утверждений неверно? Алгоритм ID3 Куинлана строит дерево решений на основе обучающей выборки. Это дерево решений:
8 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:
9 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:
10 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»:
11 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?
12 Какие из приведённых утверждений ошибочны, если речь идёт о дереве решений?Показать/скрыть дополнительное описание
2 Какие из перечисленных алгоритмов не относятся к алгоритмам обучения «без учителя»?
3 Какие виды признаков не могут использоваться при описании объектов машинного обучения?
4 Какое из четырёх утверждений неверно? Алгоритм, основанный на использовании метрики Хэмминга, строит дерево решений, используя обучающую выборку. Это дерево решений:
5 Каким из перечисленных ниже свойств обязательно обладает бинарное дерево решений?
6 Какое из четырёх утверждений неверно? Решающее правило, сформированное алгоритмом обобщения «с учителем», может быть представлено в следующем виде:
7 Какое из четырёх утверждений неверно? Алгоритм ID3 Куинлана строит дерево решений на основе обучающей выборки. Это дерево решений:
8 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:
9 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:
10 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»:
11 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?
12 Какие из приведённых утверждений ошибочны, если речь идёт о дереве решений?Показать/скрыть дополнительное описание
Курс Интеллектуальные информационные системы (ИДДО ИИС-Б-4-1-Экз).
Характеристики ответов (шпаргалок)
Учебное заведение
Номер задания
Просмотров
143
Покупок
28
Качество
Идеальное компьютерное
Размер
1,18 Mb
Преподаватели
Список файлов
Ответы на тесты по всем предметам ИДДО, отдельные вопросы, письменные работы и услуги по их выполнению - у меня в профиле :)