Главная / Искусственный интеллект и робототехника /
Машинное обучение / Тест 20
Машинное обучение - тест 20
Упражнение 1:
Номер 1
Оценкой близости объекта к классу называется функция:
Ответ:
 
(1)  
 
(2)  
 
(3)  
 
(4)  
Номер 2
Локальную аппроксимацию выборки строит алгоритм:
Ответ:
 
(1)  
 
(2)  
 
(3)  
 
(4)  
Номер 3
Весовой функцией является функция:
Ответ:
 
(1)  
 
(2)  
 
(3)  
 
(4)  
Упражнение 2:
Номер 1
Какой алгоритм относит классифицируемый объект к тому классу, которому принадлежит обучающий объект?
Ответ:
 (1) ближайшего соседа; 
 (2) ЕМ-алгоритм; 
 
(3) ближайших соседей; 
 
(4) взвешенных ближайших соседей. 
Номер 2
Выберите, какие недостатки относятся к алгоритму ближайшего соседа?
Ответ:
 
(1) неустойчив к шуму при
; 
 (2) низкое качество классификации; 
 (3) отсутствие параметров, которые можно было бы настраивать по выборке; 
 (4) достигается максимум сразу на нескольких классах; 
 (5) неустойчив к погрешностям. 
Номер 3
Выберите какие недостатки относятся не к алгоритму ближайшего соседа?
Ответ:
 
(1) неустойчив к шуму при
; 
 (2) низкое качество классификации; 
 (3) отсутствие параметров, которые можно было бы настраивать по выборке; 
 (4) достигается максимум сразу на нескольких классах; 
 (5) неустойчив к погрешностям. 
Упражнение 3:
Номер 1
К какому алгоритму можно отнести формулу: ?
Ответ:
 (1) ЕМ-алгоритм; 
 (2) алгоритм ближайшего соседа; 
 
(3) алгоритм
ближайших соседей; 
 
(4) алгоритм
взвешенных ближайших соседей. 
Номер 2
К какому алгоритму можно отнести формулу: ?
Ответ:
 (1) ЕМ-алгоритм; 
 (2) алгоритм ближайшего соседа; 
 
(3) алгоритм
ближайших соседей; 
 
(4) алгоритм
взвешенных ближайших соседей. 
Номер 3
К какому алгоритму можно отнести формулу: ?
Ответ:
 (1) ЕМ-алгоритм; 
 (2) алгоритм ближайшего соседа; 
 
(3) алгоритм
ближайших соседей; 
 
(4) алгоритм
взвешенных ближайших соседей. 
Упражнение 4:
Номер 1
Выберите верные утверждения:
Ответ:
 
(1) при
алгоритм
ближайших соседей неустойчив к шуму; 
 
(2) при
алгоритм
ближайших соседей вырождется в константу; 
 
(3) алгоритм
взвешенных ближайших соседей не хранит обучающую выборку целиком; 
 (4) алгоритм ближайшего соседа устойчив к погрешностям. 
Номер 2
Выберите неверные утверждения:
Ответ:
 
(1) при
алгоритм
ближайших соседей неустойчив к шуму; 
 
(2) при
алгоритм
ближайших соседей вырождется в константу; 
 
(3) алгоритм
взвешенных ближайших соседей не хранит обучающую выборку целиком; 
 (4) алгоритм ближайшего соседа устойчив к погрешностям. 
Номер 3
Ответ:
 
(1) при
алгоритм
ближайших соседей неустойчив к шуму; 
 
(2) при
алгоритм
ближайших соседей вырождется в константу; 
 (3) алгоритм ближайшего соседа устойчив к погрешностям; 
 (4) алгоритм ближайшего соседа имеет парметры, которые настраиваются по выборке. 
Упражнение 5:
Номер 1
Какой получится алгоритм, если ввести функцию ядра невозрастающую на и положив в формуле ?
Ответ:
 
(1)  
 
(2)  
 
(3)  
 
(4)  
Номер 2
Как называется параметр в формуле ?
Ответ:
 (1) ширина окна; 
 (2) метрический классификатор; 
 (3) усредненное обучение; 
 (4) вектор матожидания. 
Номер 3
Какой получится алгоритм, если определить как наибольшее число, при котором ровно ближайших соседей объекта получают нулевые веса: .
Ответ:
 
(1)  
 
(2)  
 
(3)  
 
(4)  
Упражнение 6:
Номер 1
Какие, ниже перечисленные, недостатки можно отнести к методу потенциальных функций?
Ответ:
 (1) медленно сходится; 
 (2) результат обучения зависит от порядка предъявления объектов; 
 (3) приходится хранить обучающую выборку целиком; 
 (4) неустойчив к шуму; 
 
(5) слишком грубо настраиваются веса
. 
Номер 2
Какие, ниже перечисленные, недостатки можно отнести к метрическим алгоритмам ?
Ответ:
 (1) медленно сходится; 
 (2) результат обучения зависит от порядка предъявления объектов; 
 (3) приходится хранить обучающую выборку целиком; 
 (4) неустойчив к шуму; 
 
(5) слишком грубо настраиваются веса
. 
Номер 3
Что, из нижк перечисленного, можно назвать достоинством метода потенциальных функций?
Ответ:
 (1) эффективен, когда обучающие объекты поступают потоком; 
 (2) медленно сходится; 
 
(3) не настраиваются параметры
; 
 (4) высокое качество классификации. 
Упражнение 7:
Номер 1
Отступом (margin) объекта относительно алгоритма классификации, имеющего вид называется величина:
Ответ:
 
(1)  
 
(2)  
 
(3)  
 
(4)  
Номер 2
Отступ показывает:
Ответ:
 (1) ошибочные объекты; 
 (2) пограничные объекты; 
 (3) информативные объекты; 
 (4) эталонные объекты; 
 (5) степень типичности объекта. 
Номер 3
В зависимости от значений отступа обучающие объекты условно делятся на:
Ответ:
 (1) 2 типа; 
 (2) 3 типа; 
 (3) 4 типа; 
 (4) 5 типов; 
 (5) 6 типов. 
Упражнение 8:
Номер 1
Большой положительный отступ, плотно окруженный объектами своего класса имеют:
Ответ:
 (1) эталонные объекты; 
 (2) неинформативные объекты; 
 (3) пограничные объекты; 
 (4) ошибочные объекты. 
Номер 2
Небольшое число объектов с большими отрицательными отступами называют:
Ответ:
 (1) ошибочные объекты; 
 (2) шумовые объекты; 
 (3) пограничные объекты; 
 (4) неинформативные объекты. 
Номер 3
Отрицательные отступы и классифицирующиеся неверно имеют:
Ответ:
 (1) ошибочные объекты; 
 (2) шумовые объекты; 
 (3) пограничные объекты; 
 (4) неинформативные объекты.