Машинное обучение

Упражнение 1:

Номер 1

Верно ли, что частичное обучение - это построение алгоритма классификации ?

Ответ:

(1) Да

(2) Нет

Номер 2

Верно ли, что трансдуктивное обучение - это построение алгоритма классификации ?

Ответ:

(1) Да

(2) Нет

Номер 3

Верно ли, что при частичном обучении можно получить метки  зная все ?

Ответ:

(1) Да

(2) Нет

Упражнение 2:

Номер 1

Степень доверия классификации  называется:

Ответ:

(1) темпом обучения;

(2) таксономией;

(3) отступом объекта;

(4) апроксимацией.

Номер 2

Какой алгоритм является self-traning для композиции простого голосования базовых алгоритмов ?

Ответ:

(1) co-learning

(2) co-training

(3) OBD

(4) IRLS

Номер 3

Если есть два существенно различных метода обучения использующих разные наборы признаков, то это алгоритм:

Ответ:

(1) co-learning

(2) co-training

(3) self-traning

(4) OBD

Упражнение 3:

Номер 1

Какая из формул позволит решить задачу кластеризации?

Ответ:

(1)

(2)

(3)

Номер 2

Какая из формул позволит решить задачу частичного обучения?

Ответ:

(1)

(2)

(3)

Номер 3

Какая из формул позволит решить задачу с помощью алгоритма co-learning?

Ответ:

(1)

(2)

(3)

Упражнение 4:

Номер 1

Какой алгоритм позволяет найти пару вершин  с наименьшим  и соединить их ребром?

Ответ:

(1) алгоритм кратчайшего незамкнутого пути;

(2) алгоритм кластеризации;

(3) алгоритм частичного обучения;

(4) алгоритм co-training.

Номер 2

Какой алгоритм имеет процедуру удаления k-1 самых длинных ребер?

Ответ:

(1) алгоритм кратчайшего незамкнутого пути;

(2) алгоритм кластеризации;

(3) алгоритм частичного обучения;

(4) алгоритм co-training.

Номер 3

Какой алгоритм имеет такое условие, что пока есть путь между двумя вершинами разных классов, то удалить самое длинное ребро на этом пути?

Ответ:

(1) алгоритм кратчайшего незамкнутого пути;

(2) алгоритм кластеризации;

(3) алгоритм частичного обучения;

(4) алгоритм co-training.

Упражнение 5:

Номер 1

За что штрафует функция ?

Ответ:

(1) за уменьшение отступа;

(2) за попадание объекта внутрь разделяющей полосы;

(3) за отображение результата многомерного шкалирования.

Номер 2

За что штрафует функция ?

Ответ:

(1) за уменьшение отступа;

(2) за попадание объекта внутрь разделяющей полосы;

(3) за отображение результата многомерного шкалирования.

Номер 3

За что штрафует функция потерь ?

Ответ:

(1) за уменьшение отступа;

(2) за попадание объекта внутрь разделяющей полосы;

(3) за отображение результата многомерного шкалирования.

Упражнение 6:

Номер 1

К какому алгоритму относится недостаток неустойчивого решения, если нет области разреженности?

Ответ:

(1) OBD;

(2) TSVM;

(3) IRLS;

(4) co-learning.

Номер 2

К какому алгоритму относится недостаток настройки двух параметров ?

Ответ:

(1) OBD;

(2) TSVM;

(3) IRLS;

(4) co-learning.

Номер 3

Действительно ли, что метод XR слабо чувствителен к выбору ?

Ответ:

(1) Да

(2) Нет

Упражнение 7:

Номер 1

С помощью какой формулы можно оценить вероятность  по размеченным данным ?

Ответ:

(1)

;

(2)

;

(3)

;

(4)

Номер 2

С помощью какой формулы можно оценить вероятность  по неразмеченным данным  и линейной модели?

Ответ:

(1)

;

(2)

;

(3)

;

(4)

Номер 3

Верно ли, что оценить вероятность  можно, только с помощью эмпирической оценкой по различным данным?

Ответ:

(1) Да

(2) Нет

Упражнение 8:

Номер 1

Оценка расстояния между двух распределений с помощью статистики  - квадрат будет выглядеть:

Ответ:

(1)

;

(2)

;

(3)

.

Номер 2

Оценка расстояний между двумя распределениями с помощью расстояния Хелингера будет выглядеть:

Ответ:

(1)

;

(2)

;

(3)

.

Номер 3

Оценка расстояний между двумя распределениями с помощью дивергенции Кульбака-Лейблера будет выглядеть:

Ответ:

(1)

;

(2)

;

(3)

.

Машинное обучение - тест 49