Машинное обучение

Упражнение 1:

Номер 1

Что называют задачей восстановления регрессии?

Ответ:

(1) Задача обучения по прецедентам при math

.

(2) Задача поиска вектора параметров math

.

(3) Задача поиска минимума среднего квадрата ошибки.

(4) Задача модели регрессии.

Номер 2

Если функция  достаточное число раз дифференцируема по , то:

Ответ:

(1) значение math

вычисляется для каждого объекта math

по нескольким ближайшим к нему объектам обучающей выборки.

(2) в точке минимума выполняется система math

уравнений относительно math

неизвестных.

(3) обучение регрессионной модели будет производится отдельно в каждой точке math

пространства объектов math

.

Номер 3

Какая функция позволяет говорить о "близости" объектов, на множестве ?

Ответ:

(1)

;

(2)

(3)

(4)

Упражнение 2:

Номер 1

В ядре , параметр  - называется:

Ответ:

(1) шириной ядра;

(2) шириной окна;

(3) регрессией;

(4) памятью.

Номер 2

Следующая формула , называется:

Ответ:

(1) моделью регрессии;

(2) формулой ядерного сглаживания;

(3) формулой метода наименьших квадратов;

(4) ядром.

Номер 3

На что влияет выбор ядра K?

Ответ:

(1) на точность аппроксимации;

(2) на степень гладкости функции math

(3) на качество восстановления зависимости.

Упражнение 3:

Номер 1

При каком размере окна h функция чрезмерно сглаживается?

Ответ:

(1) при слишком широком;

(2) при слишком узком;

(3) при оптимальном значении ширины окна;

(4) при h=0.

Номер 2

При каком размере окна h функция   стремится пройти через все точки выборки?

Ответ:

(1) при слишком широком;

(2) при слишком узком;

(3) при оптимальном значении ширины окна;

(4) при h=0.

Номер 3

При каком размере окна h функция в пределе  вырождается в константу?

Ответ:

(1) при слишком широком;

(2) при слишком узком;

(3) при оптимальном значении ширины окна;

(4) при h=0.

Упражнение 4:

Номер 1

По какой из формул вычисляются веса в областях локальных сгущений оптимальна меньшая ширина окна?

Ответ:

(1)

(2)

(3)

Номер 2

Формула скользящего контроля с исключением объектов по одному выглядит:

Ответ:

(1)

(2)

(3)

Номер 3

Вычисление оценки скользящего контроля на каждом объекте выглядит следующим образом:

Ответ:

(1)

(2)

(3)

(4)

Упражнение 5:

Номер 1

Как называются методы восстановления регрессии, устойчивые к шуму в исходных данных?

Ответ:

(1) робастными;

(2) жесткой фильтрацией;

(3) мягкой фильтрацией;

(4) скользящими.

Номер 2

Если строится вариационный ряд ошибок  и отбрасывается некоторое количество t  объектов с наибольшей ошибкой, тогда это называют:

Ответ:

(1) робастными;

(2) жесткой фильтрацией;

(3) мягкой фильтрацией;

(4) скользящими.

Номер 3

Если используется квартическое ядро , где  - медиана вариационного ряда ошибок, то это называют:

Ответ:

(1) робастными;

(2) жесткой фильтрацией;

(3) мягкой фильтрацией;

(4) скользящими.

Упражнение 6:

Номер 1

Что называют линейной комбинацией признаков с коэффициентами ?

Ответ:

(1) нормальной системой;

(2) линейной моделью регрессии;

(3) псевдообратной матрицей;

(4) проекционной матрицей.

Номер 2

Что будет являтся решением нормальной системы?

Ответ:

(1)

(2)

(3) вектор math

(4)

Номер 3

Что будет называться псевдообратной для прямоугольной матрицы F?

Ответ:

(1)

(2)

(3)

(4)

Упражнение 7:

Номер 1

Что надо добавить для решения проблемы мультиколлинеарности?

Ответ:

(1) параметр math

;

(2) диагональную матрицу math

(3) функционал Q, который штрафует большие значения нормы вектора весов ||a||.

Номер 2

Каким способом можно получить гребневую регрессию?

Ответ:

(1) добавить функционал Q, который штрафует большие значения нормы вектора весов ||a||;

(2) добавить диагональную матрицу math

;

(3) добавить параметр math

.

Номер 3

Каким способом можно уменьшить норму вектора коэффициентов?

Ответ:

(1) добавить функционал Q, который штрафует большие значения нормы вектора весов ||a||;

(2) добавить диагональную матрицу math

;

(3) добавить параметр math

(4) умножив на math

собственные векторы.

Упражнение 8:

Номер 1

К какому методу обучения относится метод главных компонент?

Ответ:

(1) обучение с учителем;

(2) обучение без учителя;

(3) обучение по Хеббу;

(4) обучение функционала.

Номер 2

Что называют эффективной размерностью задачи?

Ответ:

(1) вектор math

;

(2) число главных компонент;

(3) преобразование Карупена-Лоэва;

(4) декорирующее преобразование U.

Номер 3

Что показывает величина ?

Ответ:

(1) какая доля информации теряется при замене исходных признаковых описаний длины n на более короткие описания длины m;

(2) значение m, при котором происходит резкий скачок: math

, при условии, что math

уже достаточно мало;

(3) проекцию на главные компоненты;

(4) эффективную размерность задачи.

Машинное обучение - тест 35