Главная / Искусственный интеллект и робототехника /
Машинное обучение / Тест 49
Машинное обучение - тест 49
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) .