Главная /
Алгоритмы интеллектуальной обработки больших объемов данных /
Даны 6 обучающих примеров (x1,x2): (3;2), (2;6), (4;8), (3;6), (6;2), (6;4), первые три относятся к классу "1", оставшиеся – к классу "-1". Постройте решающую границу методом опорных векторов (SVM) со смягчением границ с константой регуляризации С=0,5. В
Даны 6 обучающих примеров (x1,x2): (3;2), (2;6), (4;8), (3;6), (6;2), (6;4), первые три относятся к классу "1", оставшиеся – к классу "-1". Постройте решающую границу методом опорных векторов (SVM) со смягчением границ с константой регуляризации С=0,5. В качестве ответа укажите вторую компоненту получившегося вектора весов с точностью до трех знаков после запятой:
вопросПравильный ответ:
0,125
Сложность вопроса
43
Сложность курса: Алгоритмы интеллектуальной обработки больших объемов данных
67
Оценить вопрос
Комментарии:
Аноним
Я провалил зачёт, почему я не нашёл этот великолепный сайт с всеми ответами по интуит до сессии
01 май 2020
Аноним
Я помощник профессора! Тотчас сотрите этот ваш сайт с ответами с интуит. Пишу жалобу
02 сен 2018
Аноним
Кто ищет данные тесты с интуитом? Это же элементарно (я не ботан)
02 ноя 2015
Другие ответы на вопросы из темы алгоритмы и дискретные структуры интуит.
- # Выберите верное утверждение
- # Для задачи функции активации - ограничить амплитуду выходного значения нейрона, чаще всего используется сигмоидальная (S-образная) функция(и) ?
- # Какое утверждение можно отнести к первому правилу Хебба ?
- # Рассмотрим многослойный персептрон, состоящий из вытянутых в линейную цепочку 10 нейронов (один из них входной, один выходной, а 8 образуют 8 скрытых слоев). Для коррекции весов используется алгоритм обратного распространения ошибки (back propagation). Функция ошибки среднеквадратическая. Значения весов и ошибка на выходе не превышают по модулю единицы. Выберите, при каких значениях сигнала на входе градиент на входе может превысить 0,0001.
- # Выберите ситуацию, при кластеризации которой, НЕ используется метод DBSCAN: