игра брюс 2048
Главная / Программирование / Разработка мультимедийных приложений с использованием библиотек OpenCV и IPP / Тест 2

Разработка мультимедийных приложений с использованием библиотек OpenCV и IPP - тест 2

Упражнение 1:
Номер 1
Какие из следующих задач являются задачами обучения с учителем:

Ответ:

 (1) восстановление регрессии 

 (2) классификация 

 (3) кластеризация 

 (4) понижение размерности 

 (5) прогнозирование временных рядов 


Номер 2
Какие из следующих задач являются задачами обучения без учителя:

Ответ:

 (1) восстановление регрессии 

 (2) классификация 

 (3) кластеризация 

 (4) понижение размерности 

 (5) прогнозирование временных рядов 


Номер 3
Классификацией называется 

Ответ:

 (1) задача разбиения заданного множества объектов на непересекающиеся подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались 

 (2) задача построения по обучающей выборке, состоящей из конечного множества объектов, для которых известно, к каким классам они относятся, алгоритма, способного классифицировать произвольный объект 

 (3) задача построения по обучающей выборке функции, по входным переменным определяющей значение количественной объясняющей переменной 


Номер 4
Задачей восстановления регрессии называется

Ответ:

 (1) задача разбиения заданного множества объектов на непересекающиеся подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались 

 (2) задача построения по обучающей выборке, состоящей из конечного множества объектов, для которых известно, к каким классам они относятся, алгоритма, способного классифицировать произвольный объект 

 (3) задача построения по обучающей выборке функции, по входным переменным определяющей значение количественной объясняющей переменной 


Номер 5
Кластеризацией называется 

Ответ:

 (1) задача разбиения заданного множества объектов на непересекающиеся подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались 

 (2) задача построения по обучающей выборке, состоящей из конечного множества объектов, для которых известно, к каким классам они относятся, алгоритма, способного классифицировать произвольный объект 

 (3) задача построения по обучающей выборке функции, по входным переменным определяющей значение количественной объясняющей переменной 


Номер 6
Переобучением называется:

Ответ:

 (1) эффект, при котором ошибка решающего правила на тестовой выборке много больше ошибки на обучающей выборке 

 (2) эффект, при котором ошибка решающего правила на тестовой выборке много меньше ошибки на обучающей выборке 


Номер 7
Пусть ошибка классификатора, построенного по методу k-ближайших соседей, на тестовой выборке много больше ошибки на обучающей выборке. Какое из следующих действий разумно предпринять для исправления ситуации: 

Ответ:

 (1) увеличить k и построить новый классификатор 

 (2) уменьшить k и построить новый классификатор 


Упражнение 2:
Номер 1
Метод k-ближайших соседей применяется для решения задач:

Ответ:

 (1) только классификации 

 (2) только восстановления регрессии 

 (3) и классификации и восстановления регрессии 


Номер 2
Пусть обучающая выборка состоит из объектов двух классов. Оптимальная разделяющая гиперплоскость – это гиперплоскость, разделяющая объекты этих классов, такая, что 

Ответ:

 (1) расстояние от нее до ближайшей точки обучающей выборки минимально 

 (2) расстояние от нее до ближайшей точки обучающей выборки максимально 

 (3) расстояние от нее до наиболее удаленной точки обучающей выборки минимально 

 (4) расстояние от нее до наиболее удаленной точки обучающей выборки максимально 


Номер 3
Если каждый из двух классов не пуст и классы линейно разделимы, то 

Ответ:

 (1) существует единственная оптимальная разделяющая гиперплоскость 

 (2) существует оптимальная разделяющая гиперплоскость, в общем случае неединственная 

 (3) существует бесконечно много оптимальных разделяющих гиперплоскостей  


Номер 4
Пусть math – обучающая выборка, причем math. Указать правильную формулировку задачи нахождения оптимальной разделяющей гиперплоскости (в случае линейно разделимых классов):

Ответ:

 (1) math при ограничениях math 

 (2) math при ограничениях math 


Номер 5
Пусть math – обучающая выборка, причем math. Указать правильную формулировку задачи нахождения оптимальной разделяющей гиперплоскости:

Ответ:

 (1) math при ограничениях math 

 (2) math при ограничениях math 

 (3) math при ограничениях math 

 (4) math при ограничениях math 

 (5) math при ограничениях math 

 (6) math при ограничениях math 


Номер 6
Если точки из обучающей выборки, принадлежащие разным классам, линейно неразделимы, то:

Ответ:

 (1) машину опорных векторов применять нельзя 

 (2) можно применять машину опорных векторов только с нелинейным ядром 

 (3) можно применять машину опорных векторов с любым ядром 


Номер 7
Машина опорных векторов с линейным ядром строит границу между объектами двух классов в виде:

Ответ:

 (1) гиперплоскости 

 (2) линейной комбинации деревьев решений 

 (3) поверхности, проходящей через все опорные точки 


Упражнение 3:
Номер 1
Метод деревьев решений применяется для решения задач:

Ответ:

 (1) только классификации 

 (2) только восстановления регрессии 

 (3) и классификации и восстановления регрессии 


Номер 2
Деревья решений разбивают пространство признаков

Ответ:

 (1) на непересекающиеся параллелепипеды со сторонами, параллельными осям координат 

 (2) на пересекающиеся параллелепипеды со сторонами, параллельными осям координат 

 (3) сферические области 


Номер 3
Какие из следующих методов нечувствительны к монотонным преобразованиям входных параметров:

Ответ:

 (1) метод k ближайших соседей 

 (2) машина опорных векторов (SVM) 

 (3) деревья решений 

 (4) случайные леса (Random Forests) 


Номер 4
Идея баггинг-алгоритмов (bagging) заключается в:

Ответ:

 (1) построении множества «независимых» классификаторов 

 (2) последовательном построении классификаторов, корректирующих ошибки предыдущих 

 (3) совместном использовании алгоритмов кластеризации и классификации 


Номер 5
Идея бустинг-алгоритмов (boosting) заключается в:

Ответ:

 (1) построении множества «независимых» классификаторов 

 (2) последовательном построении классификаторов, корректирующих ошибки предыдущих 

 (3) совместном использовании алгоритмов кластеризации и классификации 


Номер 6
Случайный лес (Random Forests) является:

Ответ:

 (1) Бустинг-алгоритмом (boosting) 

 (2) Баггинг-алгоритмом (bagging) 

 (3) модификацией алгоритма машины опорных векторов 


Номер 7
Какой из следующих методов заключается в построении линейной разделяющей поверхности:

Ответ:

 (1) машина опорных векторов с линейным ядром 

 (2) машина опорных векторов с произвольным ядром 

 (3) метод k ближайших соседей 

 (4) случайный лес (Random Forests) 


Упражнение 4:
Номер 1
Использование ядер в машине опорных векторов позволяет:

Ответ:

 (1) разбивать пространство признаков на части и решать задачу классификации в каждой части независимо 

 (2) строить нелинейную разделяющую поверхность в исходном пространстве признаков 

 (3) задавать точки, через которые должна пройти разделяющая поверхность 


Номер 2
Для чего выполняется процедура отсечений (pruning) после построения дерева решений:

Ответ:

 (1) для борьбы с переобучением 

 (2) для того, чтобы все пути от корня к листьям имели одинаковую длину 

 (3) для того, чтобы подобрать функцию неоднородности (impurity) 


Номер 3
В каком из перечисленных случаев переобучение НЕ будет наблюдаться

Ответ:

 (1) увеличение количества деревьев в алгоритме градиентного бустинга 

 (2) увеличение количества деревьев в алгоритме случайного леса 

 (3) увеличение высоты дерева решений 


Номер 4
В алгоритме случайного леса деревья решений строятся:

Ответ:

 (1) путем добавления случайного шума к значениям признаков 

 (2) путем генерации случайных разбиений в некоторых узлах дерева 

 (3) на бутстрэп-выборке и с использованием случайно выбранных переменных (признаков) 


Номер 5
За предсказание, сделанное с помощью модели случайного леса, принимается:

Ответ:

 (1) класс, который предсказало большинство деревьев решений  

 (2) класс, который предсказало случайно выбранное дерево решений 

 (3) сумма предсказаний всех деревьев решений 


Номер 6
Дерево решений (CART) строится c использованием:

Ответ:

 (1) жадного алгоритма минимизации функции неоднородности (impurity) 

 (2) алгоритма глобальной минимизации функции неоднородности (impurity) 

 (3) алгоритма одновременной минимизации размера дерева и функции неоднородности (impurity) 


Упражнение 5:
Номер 1
Машинное обучение – это:

Ответ:

 (1) наука, изучающая модели и разрабатывающая методы обучения человека с помощью информационных технологий 

 (2) область научного знания, изучающая методы построения алгоритмов, способных обучаться 

 (3) обучение с помощью Интернет и мультимедиа 


Номер 2
Дедуктивное обучение – это:

Ответ:

 (1) процесс логического вывода на основе перехода от частного положения к общему 

 (2) обучение, основанное на формализации знаний экспертов и выводе из этих знаний новых правил и фактов  

 (3) обучение с помощью Интернет и мультимедиа 


Номер 3
Индуктивное обучение – это:

Ответ:

 (1) обучение, основанное на использовании метода математической индукции 

 (2) метод мышления, при котором частное положение логическим путём выводится из общего  

 (3) выявлении общих закономерностей по частным эмпирическим данным 


Упражнение 6:
Номер 1
Какая из следующих задач является задачей обучения с учителем:

Ответ:

 (1) восстановление регрессии 

 (2) кластеризация 

 (3) понижение размерности 


Номер 2
Какая из следующих задач является задачей обучения с учителем:

Ответ:

 (1) кластеризация 

 (2) классификации 

 (3) понижение размерности 


Номер 3
Какая из следующих задач является задачей обучения без учителя:

Ответ:

 (1) восстановление регрессии 

 (2) классификация 

 (3) кластеризация 


Номер 4
Какая из следующих задач является задачей обучения без учителя:

Ответ:

 (1) визуализация данных 

 (2) восстановление регрессии 

 (3) классификация 


Упражнение 7:
Номер 1
Что такое эмпирический риск?

Ответ:

 (1) среднее значение штрафной функции на обучающей выборке 

 (2) математическое ожидание значения штрафной функции 

 (3) среднеквадратическое отклонение штрафной функции 


Номер 2
Что такое средний риск?

Ответ:

 (1) среднее значение штрафной функции на обучающей выборке  

 (2) математическое ожидание значения штрафной функции 

 (3) среднеквадратическое отклонение штрафной функции 


Номер 3
Обобщающая способность – это: 

Ответ:

 (1) свойство решающего правила выдавать «близкие» к реальным ответы на объектах, не используемых для обучения 

 (2) свойство метода синтезировать новые алгоритмы обучения, обобщающие известные 

 (3) способность решающего правила правильно предсказывать ответ на объектах обучающей выборки 


Номер 4
Метод перекрестного (скользящего) контроля предназначен для:

Ответ:

 (1) проверки правильности работы алгоритма обучения 

 (2) проверки правильности вычисления решающего правила 

 (3) оценки обобщающей способности решающего правила 


Номер 5
Бутстрэп-выборка – это:

Ответ:

 (1) выборка, полученная из исходной путем процедуры изъятия с возвращением  

 (2) выборка, полученная из исходной путем процедуры изъятия без возвращения 

 (3) то же самое, что и обучающая выборка  


Упражнение 8:
Номер 1
Какой из следующих методов является реализацией принципа баггинга (bagging):

Ответ:

 (1) случайный лес (random forest)  

 (2) Градиентный бустинг деревьев решений (gradient boosting trees) 

 (3) алгоритм AdaBoost 


Номер 2
Какой из следующих методов является реализацией принципа бустинга (boosting):

Ответ:

 (1) случайный лес (random forest) 

 (2) алгоритм CART 

 (3) алгоритм AdaBoost 


Номер 3
Какой из следующих методов является реализацией принципа бустинга (boosting):

Ответ:

 (1) случайный лес (random forest) 

 (2) Градиентный бустинг деревьев решений (gradient boosting trees) 

 (3) метод ближайших соседей 


Упражнение 9:
Номер 1
Метод центров тяжестей (средних) применяется для решения задачи:

Ответ:

 (1) классификации 

 (2) кластеризации 

 (3) восстановления регрессии 


Номер 2
Метод медиан применяется для:

Ответ:

 (1) классификации 

 (2) кластеризации 

 (3) восстановления регрессии 


Номер 3
Метод центров тяжестей (средних)  –  это

Ответ:

 (1) жадный алгоритм, стремящийся минимизировать суммарное квадратичное отклонение точек кластеров от центров этих кластеров 

 (2) метод уменьшения размерности, основанный на вычислении собственных векторов и собственных значений ковариационной матрицы 

 (3) статистический метод, состоящий в нахождении проекции многомерных данных, для которой достигает максимума некоторая функция качества проекции 


Номер 4
Метод центров тяжестей (средних)  может принимать на вход

Ответ:

 (1) только признаковое описание объектов 

 (2) только матрицу расстояний между объектами 

 (3) как признаковое описание, так и матрицу расстояний 


Номер 5
Метод медиан может принимать на вход

Ответ:

 (1) только признаковое описание объектов 

 (2) только матрицу расстояний между объектами 

 (3) как признаковое описание, так и матрицу расстояний 




Главная / Программирование / Разработка мультимедийных приложений с использованием библиотек OpenCV и IPP / Тест 2