Главная /
Алгоритмы интеллектуальной обработки больших объемов данных /
Укажите основные преимущества алгоритма адаптивного бустинга
Укажите основные преимущества алгоритма адаптивного бустинга
вопросПравильный ответ:
Простота алгоритма
Хорошая обобщающая способность
Идентифицирует шумовые объекты
Не переобучается на "малом" количестве данных
Накладные расходы бустинга минимальны
Описывается экспонентой
Минимизирует ошибку на каждом шаге
Сложность вопроса
78
Сложность курса: Алгоритмы интеллектуальной обработки больших объемов данных
67
Оценить вопрос
Комментарии:
Аноним
Это очень нехитрый тест по интуиту.
01 янв 2018
Аноним
Я сотрудник деканата! Немедленно заблокируйте сайт с ответами интуит. Это невозможно
21 авг 2017
Другие ответы на вопросы из темы алгоритмы и дискретные структуры интуит.
- # Дан единичный квадрат с координатами вершин (0;0), (0;1), (1;1), (1;0). При этом первая и третья вершины относятся к классу "-1", а вторая и четвертая – "1". Требуется построить классификатор, получающий на входе координату вершины, а на выходе дающий метку класса (задача XOR). Функция потерь определяется числом неправильно классифицированных вершин с учетом их веса. В результате применения алгоритма AdaBoost были построены три модели со следующими разделяющими границами: (1) прямая, проходящая через точки (1/2;0) и (0;1/2), (2) прямая, проходящая через точки (1/2;1) и (1;1/2), (3) прямая, проходящая через точки (1/2;1) и (0;1/2). Изначально веса вершин одинаковы и равны 1/4, далее они пересчитываются в соответствии с алгоритмом. Укажите получившиеся веса первой, второй и третьей модели соответственно:
- # Жадный алгоритм предобучения включает этапы ?
- # Укажите недостатки DBSCAN (возможен выбор нескольких вариантов):
- # Что из этого является видом модели классификации?
- # Для 9 значений количественного признака X 0; 1; 2; 3; 4; 5; 6; 7; 8 даны соответствующие значения Y: 4,06; 3,05; 3,93; 6,96; 12,05; 18,92; 28,03; 39,02; 51,98. Найдите линейную регрессию с базисными функциями 1, x, x^2 и квадратичной функцией потерь, применяя регуляризацию с коэффициентом 0,01 и q=2 (ridge регрессия). В качестве ответа напишите получившийся вес при базисной функции x^2 с точностью до одного знака после запятой: