Для студентов НИУ «МЭИ» по предмету Интеллектуальные информационные системы (ИИС)КМ-4 Методы машинного обучения (100%)КМ-4 Методы машинного обучения (100%)
2023-12-092023-12-09СтудИзба
Ответы: КМ-4 Методы машинного обучения (100%)
-17%
Описание
Привет! Надеюсь эти ответы помогут тебе сдать тест хорошо! Не забудь, пожалуйста, поставить оценку и оставить комментарий!
1 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:
2 Какие виды признаков не могут использоваться при описании объектов машинного обучения?
3 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»:
4 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:
5 Каким из перечисленных ниже свойств обязательно обладает бинарное дерево решений?
6 Какие из перечисленных алгоритмов не относятся к алгоритмам обучения «без учителя»?
7 Какое из четырёх утверждений неверно? Алгоритм, основанный на использовании метрики Хэмминга, строит дерево решений, используя обучающую выборку. Это дерево решений:
8 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?
9 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:
10 Какие из приведённых утверждений ошибочны, если речь идёт о дереве решений?
11 Какое из четырёх утверждений неверно? Решающее правило, сформированное алгоритмом обобщения «с учителем», может быть представлено в следующем виде:
12 Какое из четырёх утверждений неверно? Алгоритм ID3 Куинлана строит дерево решений на основе обучающей выборки. Это дерево решений:
1 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:
2 Какие виды признаков не могут использоваться при описании объектов машинного обучения?
3 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»:
4 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:
5 Каким из перечисленных ниже свойств обязательно обладает бинарное дерево решений?
6 Какие из перечисленных алгоритмов не относятся к алгоритмам обучения «без учителя»?
7 Какое из четырёх утверждений неверно? Алгоритм, основанный на использовании метрики Хэмминга, строит дерево решений, используя обучающую выборку. Это дерево решений:
8 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?
9 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:
10 Какие из приведённых утверждений ошибочны, если речь идёт о дереве решений?
11 Какое из четырёх утверждений неверно? Решающее правило, сформированное алгоритмом обобщения «с учителем», может быть представлено в следующем виде:
12 Какое из четырёх утверждений неверно? Алгоритм ID3 Куинлана строит дерево решений на основе обучающей выборки. Это дерево решений:
Файлы условия, демо
Характеристики ответов (шпаргалок)
Учебное заведение
Теги
Просмотров
12
Покупок
1
Качество
Идеальное компьютерное
Размер
507,29 Kb