Главная /
Алгоритмы интеллектуальной обработки больших объемов данных /
Если зависимая переменная принимает непрерывные значения, то дерево решений решает задачу:
Если зависимая переменная принимает непрерывные значения, то дерево решений решает задачу:
вопросПравильный ответ:
Численного прогнозирования;
Решение невозможно;
Логистического прогнозирования;
Сложность вопроса
68
Сложность курса: Алгоритмы интеллектуальной обработки больших объемов данных
67
Оценить вопрос
Комментарии:
Аноним
Я сотрудник университета! Незамедлительно сотрите ответы intuit. Умоляю
18 окт 2018
Аноним
Зачёт в студне отлично. Лечу отмечать отмечать 5 за тест интуит
09 апр 2017
Аноним
Зачёт защитил. Мчусь в клуб отмечать отлично в зачётке по интуит
07 май 2016
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). Применим алгоритм градиентного бустинга (gradient boosting) с функцией потерь L(y,h)=(1/2)*(y-h)^2. Очевидно, h0(x)=const=0. Далее, выбираем в качестве a1 функцию, равную -1 левее разделяющей границы, проходящей через точки (1/2;0) и (0;1/2), и 1 в противном случае. Найдите b1 – вес функции a1 с точностью до одного знака после запятой.
- # Нейроансамбль - это ?
- # Для чего используется логарифм правдоподобия Бернулли?
- # 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.
- # При больших наборах данных MAP, какой из алгоритмов (мaximum likelihood, maximum a posteriori) будет эффективнее при условии нахождении глобальных максимумов?