Главная / Машинное обучение

Машинное обучение - ответы на тесты Интуит

Курс расширяет и углубляет набор тем, рекомендованный международным стандартом ACM/IEEE Computing Curricula 2001 по дисциплине «Машинное обучение и нейронные сети» (machine learning and neural networks) в разделе «Интеллектуальные системы» (intelligent systems).

Список вопросов:

# На локальной аппроксимации плотности в окрестности классифицируемого объекта основано:
# На предположении, что плотность распределения известна с точностью до параметра, , где - фиксированная функция, основано:
# Эмпирической оценкой плотности является функция:
# Выберите неверные утверждения:
# Укажите, что входит в преимущества байесовского подхода.
# Верно ли утверждение. Наивный байесовский классификатор может быть как параметрическим, так и непараметрическим.
# Что, из ниже перечисленного, относится к недостаткам квадратичного дискриминанта?
# Есть гипотеза, где классы имеют -мерные гауссовские плотности: , где - , то вектором матожидания класса будет:
# Есть гипотеза, где классы имеют -мерные гауссовские плотности: , где - , то ковариационной матрицей класса будет:
# Разделяющая поверхность квадратичная для всех , будет вырождена в линейную, если:
# Что называют -мерным нормальным (гауссовским) распределением с вектором матожидания и ковариационной матрицей ?
# Верно ли, что если классы имеют нормальные функции правдоподобия, то байесовское решающее правило имеет квадратичную разделяющую поверхность.
# Если матрица близка к вырожденной, то это называется:
# Если нормаль разделяет гиперплоскость неустойчива, то это проявление:
# Если при переобучении: на всё хорошо, на всё плохо, то это проявление:
# Что применяют для проверки на равенство нулю элементов ковариационной матрицы .
# С помощью чего, из ниже перечисленного, можно определить сходство неизвестной и известной выборки?
# Чтобы использовать расстояние Махаланобиса в задаче определения принадлежности заданной точки одному из классов, нужно найти матрицы ковариации всех классов.
# Какая функция, из перечисленных ниже, является кусочно-постоянной?
# В какой из выборок является гистограммой значений для оценки плотности:
# Чему соответствует прямоугольное ядро
# Если выполнены условия: 1) выборка простая, получена из плотности распределения ; 2) ядро непрерывно, его квадрат ограничен: ; 3) последовательность такова, что и , тогда:
# Если объекты описываются числовыми признаками , тогда:
# Чему соответствует точечное ядро при единичной ширине окна :
# Плотность распределения на имеет вид смеси распределений , где - это:
# Плотность распределения на имеет вид смеси распределений , где - это:
# Верно ли утверждение. Функции правдоподобия принадлежат параметрическому семейству распределений и отличаются только значениями параметра .
# Идея алгоритма EM заключается в следующем:
# Идея EM-алгоритма с последовательным длбавлением компоненты заключается в следующем:
# Выберите верные утверждения:
# Константы смеси имеют -мерные нормальные распределения с параметрами , где - это:
# Константы смеси имеют -мерные нормальные распределения с параметрами , где - это:
# Радиальными функциями принято называть функции:
# Оценкой близости объекта к классу называется функция:
# Локальную аппроксимацию выборки строит алгоритм:
# Весовой функцией является функция:
# Какой алгоритм относит классифицируемый объект к тому классу, которому принадлежит обучающий объект?
# Выберите, какие недостатки относятся к алгоритму ближайшего соседа?
# Выберите какие недостатки относятся не к алгоритму ближайшего соседа?
# К какому алгоритму можно отнести формулу: ?
# К какому алгоритму можно отнести формулу: ?
# К какому алгоритму можно отнести формулу: ?
# Выберите верные утверждения:
# Выберите неверные утверждения:
# Какой получится алгоритм, если ввести функцию ядра невозрастающую на и положив в формуле ?
# Как называется параметр в формуле ?
# Какой получится алгоритм, если определить как наибольшее число, при котором ровно ближайших соседей объекта получают нулевые веса: .
# Какие, ниже перечисленные, недостатки можно отнести к методу потенциальных функций?
# Какие, ниже перечисленные, недостатки можно отнести к метрическим алгоритмам ?
# Что, из нижк перечисленного, можно назвать достоинством метода потенциальных функций?
# Отступом (margin) объекта относительно алгоритма классификации, имеющего вид называется величина:
# Отступ показывает:
# В зависимости от значений отступа обучающие объекты условно делятся на:
# Большой положительный отступ, плотно окруженный объектами своего класса имеют:
# Небольшое число объектов с большими отрицательными отступами называют:
# Отрицательные отступы и классифицирующиеся неверно имеют:
# С чем, из ниже перечисленного сравнивают линейный классификатор?
# Что будет называться в параметрическом семействе отображений: , вектором параметров?
# Как называется функция ?
# Пусть есть задача с 2-мя классами . К какому классу будет относится алгоритм, если ?
# Пусть есть задача с 2-мя классами . К какому классу будет относится алгоритм, если ?
# Пусть есть задача с 2-мя классами . К какому классу будет относится алгоритм, если ?
# Как называется величина объекта относительно алгоритма классификации ?
# Будет ли алгоритм допускать ошибку на объекте , если ?
# Правильнее и надежнее классификация объекта будет, если:
# Какая, из перечисленных ниже функций, соответствует методу опорных векторов?
# Какая, из перечисленных ниже функций, соответствует линейному дискриминанту Фишера?
# Какая, из перечисленных ниже функций, соответствует алгоритму бустинга Ada Boost?
# Для чего вводится параметрическое семейство априорных распределений ?
# Какая величина называется гиперпараметром?
# В формуле , что будет выступать в роли гиперпараметра?
# Какие преимущества, из ниже перечисленных, относятся к преимуществам метода SG?
# Что, из ниже перечисленного, относится к недостаткам метода SG?
# Верно ли утверждение? Метод SG позволяет настраивать веса на избыточно больших выборках, за счет того, что случайной подвыборки может оказаться достаточно для обучения.
# Какой вид будет иметь правило обновления весов на каждой итерации метода стохастического градиента?
# Какой эвристический приём характеризует нормализацию признаков?
# Что называют в теории нейронных сетей сокращением весов?
# Что получится, если дискриминантная функция определяется как скалярное произведение вектора и вектора параметров ?
# Какая функция, из ниже перечисленных, является функцией активации?
# Что, из ниже перечисленного, является функцией активации?
# С чем, из ниже перечисленного сравнивают линейный классификатор?
# Что будет называться в параметрическом семействе отображений: , вектором параметров?
# Как называется функция ?
# Пусть есть задача с 2-мя классами . К какому классу будет относится алгоритм, если ?
# Пусть есть задача с 2-мя классами . К какому классу будет относится алгоритм, если ?
# Пусть есть задача с 2-мя классами . К какому классу будет относится алгоритм, если ?
# Как называется величина объекта относительно алгоритма классификации ?
# Будет ли алгоритм допускать ошибку на объекте , если ?
# Правильнее и надежнее классификация объекта будет, если:
# Какая, из перечисленных ниже функций, соответствует методу опорных векторов?
# Какая, из перечисленных ниже функций, соответствует линейному дискриминанту Фишера?
# Какая, из перечисленных ниже функций, соответствует алгоритму бустинга Ada Boost?
# Для чего вводится параметрическое семейство априорных распределений ?
# Какая величина называется гиперпараметром?
# В формуле , что будет выступать в роли гиперпараметра?
# Какие преимущества, из ниже перечисленных, относятся к преимуществам метода SG?
# Что, из ниже перечисленного, относится к недостаткам метода SG?
# Верно ли утверждение? Метод SG позволяет настраивать веса на избыточно больших выборках, за счет того, что случайной подвыборки может оказаться достаточно для обучения.
# Какой вид будет иметь правило обновления весов на каждой итерации метода стохастического градиента?
# Какой эвристический приём характеризует нормализацию признаков?
# Что называют в теории нейронных сетей сокращением весов?
# Что получится, если дискриминантная функция определяется как скалярное произведение вектора и вектора параметров ?
# Какая функция, из ниже перечисленных, является функцией активации?
# Что, из ниже перечисленного, является функцией активации?
# Действительно ли что, ширина полосы максимальна, когда норма вектора w максимальна?
# Действительно ли что, ширина полосы максимальна, когда норма вектора w минимальна?
# Действительно ли что, ширина полосы минимальна, когда норма вектора w минимальна?
# Что следует из формулы ?
# Какое условие называют условием дополняющей нежёсткости?
# Какое условие называют опорным вектором?
# Объекты называются периферийными?
# Какие объекты называются опорными?
# Какие объекты называются нарушителем?
# Если объекты классифицируется правильно и находятся далеко от разделяющей полосы, то их называют:
# Если объекты классифицируется правильно и лежат в точности на границе разделяющей полосы, то их нахывают:
# Если объекты либо лежат внутри разделяющей полосы, но классифицируются правильно , либо попадают на границу классов , либо вообще относятся к чужому классу , то их называют:
# В чем преимущества SVM перед метдом стохастического градиента?
# В чем недостатки SVN?
# Действительно ли, что построение адекватного ядра является искусством и, как правило, опирается на априорные знания о предметной области?
# Что, из ниже перечисленного, является входными данными в последовательном методе активных ограничений?
# Что, из ниже перечисленного, не является входными данными в последовательном методе активных ограничений?
# Что, из ниже перечисленного, является выходными данными в последовательном методе активных ограничений?
# Выберите верное утверждение.
# Выберите противоречивое утверждение.
# Действительно ли, что метод INCAS позволяет решать задачи, в которых нет линейной разделимости?
# Какая функция не считает за ошибки отклонения от , меньшие ?
# Какие объекты не являются опорными?
# Какие объекты являются опорными?
# Что называют задачей восстановления регрессии?
# Если функция достаточное число раз дифференцируема по , то:
# Какая функция позволяет говорить о "близости" объектов, на множестве ?
# В ядре , параметр - называется:
# Следующая формула , называется:
# На что влияет выбор ядра K?
# При каком размере окна h функция чрезмерно сглаживается?
# При каком размере окна h функция стремится пройти через все точки выборки?
# При каком размере окна h функция в пределе вырождается в константу?
# По какой из формул вычисляются веса в областях локальных сгущений оптимальна меньшая ширина окна?
# Формула скользящего контроля с исключением объектов по одному выглядит:
# Вычисление оценки скользящего контроля на каждом объекте выглядит следующим образом:
# Как называются методы восстановления регрессии, устойчивые к шуму в исходных данных?
# Если строится вариационный ряд ошибок и отбрасывается некоторое количество t объектов с наибольшей ошибкой, тогда это называют:
# Если используется квартическое ядро , где - медиана вариационного ряда ошибок, то это называют:
# Что называют линейной комбинацией признаков с коэффициентами ?
# Что будет являтся решением нормальной системы?
# Что будет называться псевдообратной для прямоугольной матрицы F?
# Что надо добавить для решения проблемы мультиколлинеарности?
# Каким способом можно получить гребневую регрессию?
# Каким способом можно уменьшить норму вектора коэффициентов?
# К какому методу обучения относится метод главных компонент?
# Что называют эффективной размерностью задачи?
# Что показывает величина ?
# Какая формула, из ниже перечисленных, позволяет организовать итерационный процесс?
# Как будет выглядеть градиент функционала Q в точке ?
# Как выглядит гессиан функционала Q в точке ?
# В какой из формул указан итерационный процесс уточнения вектора коэффициентов ?
# Выражение для градиента будет выглядеть:
# Выражение для гессиана будет выглядеть:
# Что представляет собой матрица ?
# Что представляет собой матрица?
# Что представляет собой матрица ?
# Что подается на вход в алгоритме IRLS?
# Что получают на выходе в алгоритме IRLS?
# Что, из ниже перечисленного, не подается на вход в алгоритме IRLS?
# Верно ли, что любая непрерывная функция n аргументов на единичном кубе представлена в виде суперпозиции непрерывных функций одного аргумента и операции сложения: ?
# Функция F будет называться разделяющими точками множества X, если:
# Набор функций будет называться замкнутым относительно функции , если:
# Как называется метод, который позволял вычислять градиент, при котором каждый градиентный шаг выполняется за число операций, лишь немногим больше, чем при обычном вычислении сети на одном объекте?
# Какая сеть будет называться полносвязной?
# Какие будут входные данные, если сеть обучать методом обратного распространения ошибки?
# Как называется метод, который удаляет те связи, к изменению которых функционал Q наименее чувствителен?
# Верно ли что, если обучающая выборка имеет большой объем или если решается задача классификации, то можно использовать метод стохастического градиента с адаптивным шагом?
# Верно ли что, если обучающая выборка имеет большой объем, то можно использовать метод Хебба?
# Что означает, если веса между входными и скрытым слоем будут обнулены?
# Что означает обнуление веса между скрытым и входным слоями?
# Процесс упрощения сети, в алгоритме OBD, останавливается, когда:
# В чём заключается задача кластеризации?
# Какой алгоритм представляет функцию , которая любому объекту ставит в соответствие метку кластера ?
# Какой алгоритм удаляет, те связи, к изменению которых функционал Q наименее чувствителен?
# Что , из ниже перечисленного, служит целями кластеризации?
# Дробление крупных кластеров на более мелкие называется задачей:
# Что, из ниже перечисленного, не относится к целям кластеризации?
# Какую функцию невозможно реализовать одним нейроном с 2-мя входами и ?
# В какой функции множества нулей и единиц линейно неразделимы?
# С помощью какой формулы решается задача исключающего ИЛИ?
# Какие пространства признаков называются спрямляющими?
# Какие слои в нейронной сети называются скрытыми?
# Что называют многослойной сетью?
# Как называют выражение ?
# Что такое в формуле: ?
# Что будет градиентным шагом в формуле ?
# Что называют нейронами Кохонена?
# Какой нейрон называют нейроном-победителем?
# Когда появляется неинформативный пустой кластер при конкурентном обучении по правилу WTA?
# Какое правило означает следующая формула ?
# Какое правило означает следующая формула ?
# Какое правило означает следующая формула ?
# Каким способом можно избавиться от медленной скорости сходимости в правиле WTA?
# Каким способом можно избавиться от неинформативного пустого кластера?
# Что означает в правиле справедливой конкуренции CWTA?
# Самоорганизующиеся карты Кохонена применяются для:
# Какие входные данные нужны для карт Кохонена?
# Какие данные не используют в картах Кохонена в качестве входных?
# С помощью какого правила можно построить гладкую аппроксимацию?
# Как выглядет формула стресса в задаче многомерного шкалирования?
# Формула гладкой аппроксимации имеет вид:
# Верно ли, что при n=1 многомерное шкалирование позволяет отобразить выборку в виде множества точек на плоскости?
# Верно ли, что при n=2 многомерное шкалирование позволяет отобразить выборку в виде множества точек на плоскости?
# Верно ли, что при n=3 многомерное шкалирование позволяет отобразить выборку в виде множества точек на плоскости?
# От чего зависит функционал стресса ?
# При каком условии в субквадратичном алгоритме многомерного шкалирования все точки будут "скелетными"?
# При каком n в карте сходства отображается результат многомерного шкалирования в виде плоского точечного графика?
# Верно ли, что частичное обучение - это построение алгоритма классификации ?
# Верно ли, что трансдуктивное обучение - это построение алгоритма классификации ?
# Верно ли, что при частичном обучении можно получить метки зная все ?
# Степень доверия классификации называется:
# Какой алгоритм является self-traning для композиции простого голосования базовых алгоритмов ?
# Если есть два существенно различных метода обучения использующих разные наборы признаков, то это алгоритм:
# Какая из формул позволит решить задачу кластеризации?
# Какая из формул позволит решить задачу частичного обучения?
# Какая из формул позволит решить задачу с помощью алгоритма co-learning?
# Какой алгоритм позволяет найти пару вершин с наименьшим и соединить их ребром?
# Какой алгоритм имеет процедуру удаления k-1 самых длинных ребер?
# Какой алгоритм имеет такое условие, что пока есть путь между двумя вершинами разных классов, то удалить самое длинное ребро на этом пути?
# За что штрафует функция ?
# За что штрафует функция ?
# За что штрафует функция потерь ?
# К какому алгоритму относится недостаток неустойчивого решения, если нет области разреженности?
# К какому алгоритму относится недостаток настройки двух параметров ?
# Действительно ли, что метод XR слабо чувствителен к выбору ?
# С помощью какой формулы можно оценить вероятность по размеченным данным ?
# С помощью какой формулы можно оценить вероятность по неразмеченным данным и линейной модели?
# Верно ли, что оценить вероятность можно, только с помощью эмпирической оценкой по различным данным?
# Оценка расстояния между двух распределений с помощью статистики - квадрат будет выглядеть:
# Оценка расстояний между двумя распределениями с помощью расстояния Хелингера будет выглядеть:
# Оценка расстояний между двумя распределениями с помощью дивергенции Кульбака-Лейблера будет выглядеть:
# Что, из ниже перечисленного, относится к обучающей выборке?
# Объекты состоят из признаков?
# Что называют данными в машинном обучении?
# Выберите правильный ответ. Задача классификации - это:
# Выберите правильный ответ. Задача регрессии - это:
# Выберите правильный ответ. Задача ранжирования - это:
# Что служит индикатором ошибки для задач классификации?
# Как формула подходит для абсолютного значения ошибки для задач регрессии?
# Что является квадратичной ошибкой для задачи регрессии?
# Эмпирический риск - это средняя потеря на одном объекте.
# Если происходит средняя потеря на всех объектах, то это есть:
# Верно ли утверждение? Всякая оптимизация по неполной информации и избыточная сложность параметров приводит в переобучению.
# Выберите верные утверждения.
# Верно ли следующее утверждение? Многие виды задач медицинской диагностики решаются задачами классификации.
# В задачах классификации признаки могут быть строковыми, вещественными, числовыми.
# Какие задачи из ниже перечисленных относятся к задачам классификации?
# Какие задачи, из ниже перечисленных, являются задачами ранжирования?
# Какие задачи, из ниже перечисленных, являются задачами прогнозирования?
# Какая, из ниже перечисленных задач, является задачей классификации на 4 класса?
# Какой пример подходит для задачи восстановления регрессии?
# Какие, из ниже перечисленных задач, являются задачами классификации?
# Какой тип экспериментального исследования имеет цель - понимание, на что влияют параметры метода обучения?
# Какой тип экспериментального исследования имеет цель - либо решение конкретной прикладной задачи, либо выявление «слабых мест»?
# Что, из ниже перечисленного, не относится к типу экспериментального исследования?
# Как называется функция в алгоритмах имеющих вид суперпозиции ?
# Как называется функция в алгоритмах имеющих вид суперпозиции ?
# В каком алгоритме встречается алгоритмический оператор ?
# Как называется алгоритм вида ?
# Как называется функция вида: ?
# Как называются операторы при фиксированном решающем правиле?
# К какому классу отнесет объект решающее правило С: ?
# Что из ниже перечисленного относится к корректирующим операциям?
# Что из ниже перечисленного не относится к корректирующим операциям?
# Какой пример, из ниже перечисленных, является примером простого голосования?
# Какой пример, из ниже перечисленных, является примером взвешенного голосования?
# Какой пример, из ниже перечисленных, является примером смеси алгоритмов?
# Если в корректирующей операции , параметры неотрицательны и нормированы, , то композиция называется:
# Если в корректирующей операции функция принимает только два значения , то множество всех , для которых , называется:
# Как называют произведения в смесях алгоритмов?
# Чтобы оценить качество алгоритмических операторов надо:
# Какой алгоритм позволяет получить на выходе алгоритмическую композицию ?
# Чему эквивалентна минимизация функционала по базовому алгоритму ?
# Чему способствует уменьшение параметра ?
# Что не способствует уменьшению параметра ?
# Чему способствует увеличение параметра ?
# Что из ниже перечисленного относится к недостаткам алгоритма AdaBoost?
# Что из ниже перечисленного является достоинством алгоритма AdaBoost?
# Что объясняет эффективность бустинга?
# Какие алгоритмы лучше работают на больших обучающих выборках?
# Какие алгоритмы лучше работают на коротких обучающих выборках?
# Какой алгоритм предпочтительней, когда признаков больше, чем объектов?
# Какие параметры участвуют в алгоритме Беггинга?
# Какие параметры участвуют в алгоритме RSM?
# Какие параметры участвуют в алгоритмической композиции CCEL?
# В каком методе базовые алгоритмы обучаются на различных подмножествах признакового описания, которые выделяются случайным образом?
# В каком методе из исходной обучающей выборки длины l формируются различные обучающие подвыборки той же длины l с помощью случайного выбора с возвращениями?
# Какой метод представляет собой итерационный процесс смены поколений?
# Сколько популяций строится на t-м поколении алгоритма CCEL?
# Как называется процедура создающая индивидов в алгоритме CCEL?
# Как называется операция, отбирающая наиболее адаптивных индивидов популяции в алгоритме CCEL?
# Что такое рекомбинация в методе CCEL?
# Что такое селекция в методе CCEL?
# Что такое мутация (П) в методе CCEL?
# К любым ли базовым алгоритмам и их методам обучения применим алгоритм CCEL?
# Действительно ли, что беггинг работает лучше на больших обучающих выборках?
# Действительно ли, что RSM выполняется строго последовательно не допуская эффективного распространения?
# Какая функция, из ниже перечисленных, представляет собой квазилинейную корректирующую операцию?
# Что, из ниже перечисленного, называется областью компетенции базового алгоритма ?
# Что, из ниже перечисленного называют компонентами смеси?
# Какие параметры используются в алгоритме последовательного построения смеси?
# Что получается на выходе при построении 2-х базовых алгоритмов?
# Что будет на выходе в алгоритме M2E?
# Как определяется индикатор ошибки в задачах обучения по прецедентам?
# Что называют индикатором ошибки?
# Как будет выглядеть индикатор ошибки в случае классификации при конечном Y?
# Что называют разностью ?
# Что называют частотой ошибок алгоритма a на произвольной подвыборке ?
# Что называют методом обучения?
# Как определяется функционал полного скользящего контроля?
# Как определить функционал в качестве вероятности частоты ошибок на контроле превышающее заданное число ?
# Как определяется следующий функционал ?
# Как будет выглядеть формула вероятности ошибки в интерпретации обобщающей способности метода ?
# Как будет выглядеть формула вероятности, когда переобученность превышает допустимый порог ?
# Как будет выглядеть формула вероятности ошибки в интерпретации обобщающей способности метода , если взять матожидание по выборке от функционала ?
# Алгоритмы и неразличимы на выборке , если:
# Выберите, что подходит под определение коэффициента разнообразия множества алгоритмов А на выборке ?
# Если алгоритмы a и a' допускают ошибки на одних и тех же объектах, то их называют:
# Верно ли, что функция роста не зависит ни от выборки, ни от метода обучения?
# Что называют функцией роста множества алгоритмов А?
# Что называют размерностью Вапника-Червоненкиса?
# Какая оценка справедлива для функции роста, если множество А конечно, а число алгоритмов, попарно неразличимы на выборке ?
# Семейство линейных решающих правил будет выглядеть как:
# Функция роста множества всех конъюнкций ранга не выше K будет выглядеть как:
# Если в семействе А выделена последовательность подсемейств возрастающей ёмкости и в ней можно выбрать оптимальное подсемейство, для которого достигается минимальное значение правой части из формулы , то этот метод называют:
# Действительно ли то, что ёмкость однопараметрического семейства может быть бесконечной?
# Верно ли утверждение, что ёмкость семейства линейных решающих правил А равна размерности пространства n?
# Что называется переобучением?
# Что называют синтезом признаков?
# Что называют выбором структуры модели?
# Что называют моделью алгоритмов?
# Что называют методом обучения?
# Что называют выбором метода?
# Определите название данной задачи: имеется конечное множество альтернативных моделей , каждая со своим методом обучения, . Требуется найти модель, наиболее адекватную для данной выборки.
# Определите название данной задачи: имеется одна модель А, и один метод обучения с параметром , который не может быть настроен по обучающей выборке. Требуется подобрать наиболее подходящие значения гиперпараметра.
# Определите название данной задачи: имеется метод обучения использующий только признаки из заданного набора признаков . Требуется найти набор признаков, при котором алгоритм имеет наилучшую обобщающую способность.
# Функционал , характеризующий качество метода по обучающей выборке называют:
# Какой метод строит алгоритм, доставляющий минимальное значение внутреннему критерию: ?
# Как называется критерий, который характеризует качество метода по тем данным, которые не использовались в процессе обучения?
# Как называется функционал ?
# Как называется критерий: ?
# Как называется критерий, для которого выборка случайным образом разбивается на q непересекающихся блоков одинаковой длины ?
# Как называется критерий ?
# Как называется критерий ?
# Как называется критерий ?
# Выберите правильную характеристику для внутреннего критерия.
# Выберите правильную характеристику для внешнего критерия.
# Верно ли, что по мере увеличения сложности модели внутренний критерий возрастает?
# Что должно поступать на вход в алгоритме полного перебора?
# Что должно поступать на вход в алгоритме жадного добавления?
# Что должно поступать на вход в алгоритме поочередного добавления и удаления?
# Как называется алгоритм, который добавляет к набору G по одному признаку, каждый раз выбирая тот признак, который приводит к наибольшему уменьшению внешнего критерия?
# Как называется алгоритм, который осуществляет полный перебор всевозможных наборов признаков G в порядке возрастания сложности?
# Как называется алгоритм, который последовательно удаляет избыточные признаки?
# Как будет называться предикат , если и при заданных достаточно малом и достаточно большом из отрезка [0,1]?
# Как будет называться закономерность , если ?
# Как будет называться закономерность , если ?
# Что, из ниже перечисленного характеризует энтропийное определение информативности?
# Что, из ниже перечисленного характеризует эффективное вычисление информативности с применением формулы Стирлинга?
# По какой формуле определяется энтропия?
# Что, из ниже перечисленного характеризует статический критерий?
# Что, из ниже перечисленного характеризует энтропийный критерий?
# Что, из ниже перечисленного характеризует взвешенную информативность?
# Какая формула характерна, если представляет номинальный признак?
# Какая формула характерна, если представляет порядковый признак?
# Какая формула характерна, если представляет количественный признак?
# Что называют зонами значений признака ?
# Что называют рангом в форме конъюнкций?
# Выберите верное утверждение:
# Какие данные подаются на вход жадного алгоритма слияния зон?
# Какие данные подаются на вход "градиентного" алгоритма синтеза конъюнкции?
# Какие входные данные являются лишние в алгоритме жадного слияния зон?
# Какой алгоритм использует только операцию добавления термов?
# Какой алгоритм пытается улучшить конъюнкцию , удаляя или заменяя по одному терму?
# Какой алгоритм на каждом шаге отбирает целые популяции?
# По какой из формул параметрическое семейство Ф можно отнести к параметрическому семейству шаров?
# По какой из формул параметрическое семейство Ф можно отнести к параметрическому семейству полуплоскостей?
# По какой из формул параметрическое семейство Ф можно отнести к параметрическому семейству областей?
# Какой входной набор данных характерен для жадного алгоритма построения решающего списка?
# Какой входной набор данных является лишним для жадного алгоритма построения решающего списка?
# Что получается на выходе в алгоритме жадного построения решающего списка?
# К чему приводит уменьшение параметра при оптимизации сложности решающего списка?
# Что, из ниже перечисленного принято решать достоинством решающего списка?
# Что, из ниже перечисленного является недостатком решающих списков?
# Что такое решающее дерево?
# Что такое решающий список?
# Что такое бинарное решающее дерево?
# Что поступает на вход рекурсивного алгоритма синтеза бинарного решающего дерева ?
# Что не является входными данными в алгоритме синтеза бинарного решающего дерева ?
# Что является выходными данными в алгоритме синтеза бинарного решающего дерева ?
# Что, из ниже перечисленного характерно для предредукции?
# Что, из ниже перечисленного характерно для постредукции?
# Что, из ниже перечисленного является определением критерия замены?
# Какой алгоритм подсчитывает долю правил в наборах , относящих объект к каждому из классов?
# Какой алгоритм каждому правилу приписывает вес , и при голосовании берётся взвешенная сумма голосов ?
# Какой алгоритм строит набор конъюнктивных закономерностей?
# Что, из ниже перечисленного является достоинством алгоритма КОРА?
# Что, из ниже перечисленного является достоинством алгоритма ТЭМП?
# Что, из ниже перечисленного является достоинством алгоритма бустинга?
# При каком условии совокупность будет называться представительным набором?
# При каком условии представительный набор называется тупиковым?
# При каком условии множество будет называться тестом?
# Выберите верный вариант. Если для каждого класса построено множество логических правил, специализирующихся на различении объектов данного класса и если , то:
# Выберите верный вариант. Если для каждого класса построено множество логических правил, специализирующихся на различении объектов данного класса и если , то:
# Верно ли, что если правило , то объект будет определен в другом классе?
# Выберите правило, при голосовании которым берётся взвешенная сумма голосов?
# Выберите правило, которое подсчитывает долю голосов, относящих объект к каждому из классов:
# Определите какая из формул не участвует ни в простом ни взвешенном голосовании:
# Как называется основная процедура в алгоритме КОРА?
# Что делает конъюнкция в алгоритме КОРА, если она выделяет слишком мало объектов своего класса?
# На что, из ниже перечисленного, влияют параметры и ?
# Что из ниже перечисленного относится к задачам коллаборативной фильтрации?
# Что из ниже перечисленного не относится к задачам коллаборативной фильтрации?
# Задача выявления содержательно интерпретируемых латентных характеристик клиентов и ресурсов относится к задаче коллаборативной фильтрации?
# Как называется вектор условных вероятностей , если данный ресурс соответствует теме ?
# В какой модели по данным оцениваются векторы: профили клиентов и профили объектов?
# Выберите верное определение коллаборативной фильтрации.
# Что является основой латентного семантического анализа?
# Что является основой анамнестических алгоритмов?
# Какие данные в качестве входных применяются в алгоритме двухступенчатой симметризации?
# Какие данные не являются входными в алгоритме двухступенчатой симметризации?
# Какие данные являются выходными в алгоритме двухступенчатой симметризации?
# Что из ниже перечисленного относится к моделям основанным на хранении исходных данных?
# Что из ниже перечисленного не относится к моделям основанным на хранении исходных данных?
# Что из ниже перечисленного не относится к латентной модели?
# Что является недостатком тривиальной рекомендующей системой?
# Что является недостатком модели от клиента?
# Что из ниже перечисленного не относится к недостаткам тривиальной рекомендующей системой?
# Что из ниже перечисленного является типом латентной модели?
# Что из ниже перечисленного не является типом латентной модели?
# Являются ли вероятностные модели типом латентных моделей?
# Что из ниже перечисленного является моделью усреднения по блокам?
# Что из ниже перечисленного является Е-шагом ЕМ-алгоритма?
# Что из ниже перечисленного является функционалом качества кластеризации?
# Что из ниже перечисленного представления называется гипотезой условной независимости?
# Что из ниже перечисленного представления описывает процесс порождения коллекции D?
# Что из ниже перечисленного не относится к вероятностной модели коллекции документов?
# Что означает запись ?
# Что означает запись ?
# Что означает запись ?
# Какая запись соответствует числу троек, в которых термин документа d связан с темой t?
# Какая запись соответствует числу троек, в которых термин w связан с темой t?
# Какая запись соответствует числу троек, связанных с темой t?
# Какое обозначение соответствует матрице терминов тем Ф?
# Какое обозначение соответствует матрице тем документов ?
# Какое обозначение соответствует задаче приближенного представления заданной матрицы частот?
# Как будет называться модель, в которой учитывается тройка слов?
# Как будет называться модель, в которой учитывается пара слов?
# Как будет называться модель, в которой учитывается 11 слов?
# Приведение каждого слова в документе к его нормальной форме называется:
# Отбрасывание изменяемых частей слов, главным образом, окончаний называется:
# Как называется технология основанная на правилах морфологии языка?
# Что представляют векторы в пространстве терминов ?
# Что является элементами кластеров?
# Что определяет векторный параметр ?
# Какая компонента, из ниже перечисленных, является файловой компонентой?
# Какая компонента, из ниже перечисленных, является шумовой компонентой?
# Какая компонента, из ниже перечисленных, является тематической компонентой?
# Как называют априорную вероятность вида: ?
# Как называют априорную вероятность вида: ?
# Как называют априорную вероятность вида: ?
# Что, из ниже перечисленного называют метаинформацией?
# Что из ниже перечисленного не определяет метаинформацию?
# Относится ли список ярлыков , присвоенных пользователями документу d к метаинформации?
# Что характеризует гипотеза условной независимости вида: ?
# Что характеризует гипотеза условной независимости вида: ?
# Что характеризует гипотеза условной независимости вида: ?
# Какие модели, из ниже перечисленных относятся к динамическим тематическим моделям?
# Какие модели, из ниже перечисленных относятся к многоязычным тематическим моделям?
# Какие модели, из ниже перечисленных относятся к многомодальным тематическим моделям?
# Метод обучения - это:
# Этап обучения - это:
# Этап тестирования - это:
# Функционал среднего риска - это:
# Величина потери от ошибки - это:
# Апостеорной вероятностью класса для объекта называется:
# Если известны и , то минимум среднего риска достигается при:
# Если известны и , и , а для всех , , то минимум среднего риска достигается при:
# Если известны и , то минимум среднего риска не будет достигнут при:
# Какие, из ниже перечисленных подходов, относятся к подходам оцениванию:
# Формула восстановления смеси распределений может выглядеть как:
# Формула параметрического оценивания плотности может выглядеть как:
# На какой из теории основан байесовский подход?
# Какое выражение, из перечисленных ниже, называется байесовским решающим правилом:
# Если байесовское решающее правило написать через апостериорные вероятности, то получится формула вида:
# Вероятность правильной классификации имеет вид:
# Вероятность ошибочной классификации имеет вид:
# Общий вид равновероятных классов будет выглядеть:
# Выберите правильный ответ. По обучающей выборке настраивается:
# Выберите правильный ответ. По контрольной выборке вычисляется:
# Выберите правильный ответ. Эмперическая оценка среднего риска вычисляется по:
# В формуле совместной плотности функцией правдоподобия класса будет функция:
# В формуле совместной плотности функцией апостеорной вероятности класса будет функция:
# В формуле совместной плотности функцией априорной вероятности класса будет функция:
# Что называют обучением с подкреплением?
# Какие элементы, из ниже перечисленных относятся к обучению с подкреплением?
# Что из ниже перечисленного не является элементом обучения с подкреплением?
# Как называется метод, который использует жадные действия большую часть времени?
# Как называется метод, который варьирует вероятность действий, представляемых посредством некоторой функции от предполагаемых значений ценности?
# Как называется метод, который применяют для оценивания ценности?
# С какой вероятностью осуществляется выбор действия в t-й игре?
# Какое соотношение позволяет реализовать идею, согласно которой высокие вознаграждения должны увеличивать вероятность повторного выбора предпринятого действия?
# Какое условие, из ниже перечисленных, должно выполнятся, чтобы обеспечить достаточную величину шага, позволяющую справится с начальными условиями?
# Что называют марковским процессом принятия решений?
# Что называют финитным марковским процессом принятия решений?
# Что называется вероятностями перехода?
# Какую функцию называют функцией ценности состояния для стратегии ?
# Какие ценности действий называют методами Монте-Карло?
# Какую функцию называют функцией ценности действия для стратегии ?
# Предположим, что требуется оценить величину , имея набор эпизодов, полученных при применении стратегии и прохождении через состояние s. Как тогда будет называться каждое появление состояния s в эпизоде?
# Какой метод оценивает как среднее значение выгод, соответствующих всем посещениям s в некоторой совокупности эпизодов?
# Какой метод усредняет выгоды, соответствующие только первым посещениям s?
# Какая форма будет называться Q-обучением?
# Какая форма является TD-ошибкой?
# Какую величину называют относительной ценностью?
# Какая идея, из ниже перечисленных, описывает идею алгоритма ?
# Какая идея, из ниже перечисленных, описывает метод Уоткинса?
# Верно ли, что метод не принимает в расчет все будущие ситуации вплоть до конца эпизода при выполнении дублирования?