Алгоритмы интеллектуальной обработки больших объемов данных

Упражнение 1:

Номер 1

Для 9 значений количественного признака X 0; 1; 2; 3; 4; 5; 6; 7; 8 даны соответствующие значения Y: 4,06; 3,05; 3,93; 6,96; 12,05; 18,92; 28,03; 39,02; 51,98. Найдите линейную регрессию с базисными функциями 1, x, x^2 и квадратичной функцией потерь, применяя регуляризацию с коэффициентом 0,01 и q=2 (ridge регрессия). В качестве ответа напишите получившийся вес при базисной функции x^2 с точностью до одного знака после запятой:

Ответ:

1,0

Номер 2

Основный принцип, который используется в машинном обучении – это принцип:

Ответ:

(1) Maximum Likelihood

(2) Интервал прогнозирования

(3) Численное прогнозирование

(4) Байесовской классификации

Упражнение 2:

Номер 1

Имеются бактерии с двумя количественными признаками x1, x2, строится логистическая регрессия для определения вероятности, с которой бактерии относятся к одному из двух классов (видов) - y1 или y2. Предполагается нормальное распределение условных вероятностей, соответственно модель получается линейной, и p(y1|x)=1/(1+exp(-(w1*x1+w2*x2+w0))). В результате обучения были найдены следующие значения: w0=1, w1=3, w2=-4. Найдите, с какой вероятностью бактерия с признаками x1=1, x2=1 относится ко второму классу. Ответ укажите с точностью до одного знака после запятой:

Ответ:

0,5

Номер 2

Напишите название регрессии, используемой для предсказания вероятности возникновения некоторого события путём подгонки данных к логистической кривой

Ответ:

Логистическая

Упражнение 3:

Номер 1

Уравнение разделяющей гиперплоскости в пятимерном пространстве признаков имеет вид: x1+2*x2+3*x3+4*x4+5*x5=6. Найдите евклидово расстояние от разделяющей гиперплоскости до начала координат. Ответ укажите с точностью до одного знака после запятой:

Ответ:

0,8

Номер 2

По скольким параметрам определяется вид цветка ириса для набора данных в задаче Фишера ?

Ответ:

4

Упражнение 4:

Номер 1

В модели линейной регрессии h(x,w) чем является w?

Ответ:

(1) Обучающая выборка

(2) Вектор весов

(3) Расширение обучающего объекта x до x = 1

(4) Вектор предположений о будущем состоянии объекта x

Номер 2

Идея линейного классификатора определяется тем, что признаковое пространство может быть разделено гиперплоскостью на полупространства, в каждом из которых прогнозируется одно из двух значений целевого класса (линейная разделимость). Укажите число полупространств.

Ответ:

2

Упражнение 5:

Номер 1

Выберите верное утверждение.

Ответ:

(1) Логистическая регрессия защищена от переобучения, как и линейные модели

(2) Логистическая регрессия, как и линейные модели, может быть подвержена переобучению

(3) Логистическая регрессия, в отличие от линейных моделей, защищена от переобучения

(4) Логистическая регрессия, в отличие от линейных моделей, может быть подвержена переобучению

Номер 2

Принцип Maximum Likelihood . Функция правдоподобия . Максимизируя , в результате имеем одну из составляющих ?

Ответ:

(1)

(2)

,

(3)

Упражнение 6:

Номер 1

Объект 1 находится выше функции принятия решений, объект 2 - ниже функции принятия решений. Выберите верное утверждение.

Ответ:

(1) Объект 1 и объект 2 находятся в одном классе, если функция принятия решений больше нуля

(2) Объект 1 и объект 2 находятся в разных классах, если функция принятия решений больше нуля

(3) Объект 1 и объект 2 находятся в разных классах, знак функции принятия решений при этом не играет роль

(4) Объект 1 и объект 2 находятся в одном классе, знак функции принятия решений при этом не играет роль

Номер 2

С помощью какого принципа можно справляться с переобучением методом ограничения весов

Ответ:

(1) Принцип регуляризации

(2) априорное распределение

(3) Перекрёстная проверка

(4) Вербализация

Упражнение 7:

Номер 1

В формуле линейной модели "W" означает следующее

Ответ:

(1) Обучающий объект;

(2) Вектор весов;

(3) Базисные функции;

Номер 2

Назовите основные виды регуляризации

Ответ:

(1) Lasso регрессий

(2) Ridge регрессий

(3) Динамическая

(4) Elastic_net

Номер 3

Какие значения q соответствуют контурам функции регуляризации

Ответ:

(1) q1=1; q2=2; q3=3; q4=4;

(2) q1=0,5; q2=1; q3=2; q4=4;

(3) q1=1; q2=2; q3=4; q4=8;

(4) q1=0,5; q2=1; q3=2; q4=3;

Алгоритмы интеллектуальной обработки больших объемов данных - тест 6