Strona 2
lula test
Pytanie 9
W metodzie Newtona do wyznaczenia kierunku poprawy wykorzystuje sie informację o:
wektorze gradientu oraz macierzy drugich pochodnych funkcji błędu
aproksymacji wektora gradientu oraz macierzy drugich pochodnych funkcji błędu
wektorze gradientu oraz aproksymacji macierzy drugich pochodnych funkcji błędu
aproksymacji wektora gradientu oraz aproksymacji macierzy drugich pochodnych funkcji błędu
Pytanie 10
Przy tworzeniu lasu losowego (modele typu random forest)
zbiory uczace tworzone sa poprzez zastosowanie losowania ze zwracaniem, poszczegolne modele korzystaja z zbioru zmiennych wejściowych tworzonego techniką bootstrapu
zbiory uczace tworzone sa poprzez zastosowanie losowania bez zwracania, poszczegolne modele korzystaja ze zmiennych wejsciowych tworzonego technika bootstrapu
zbiory uczące tworzone sa poprzez zastosowanie losowania ze zwracaniem, poszczególne modele korzystaja z losowo dobranego zbioru zmiennych wejściowych
zbiory uczace tworzone sa poprzez zastosowanie losowania bez zwracania, poszczegolne modele korzystaja z identycznego zbioru zmiennych wejściowych
Pytanie 11
Który z poniższych opisów postępowania odnosi się do procedury tworzenia modelu klasyfikacyjnego wykorzystującego podejście określane mianem bagging
korzystając z posiadanego zbioru danych tworzone są zbiory uczące poprzez wykorzstanie losowania ze zwarcaniem. Następnie każdy z wygenerowanych w ten sposób zbiorów jest wykorzystywany do utworzenia jednego drzewa decyzyjnego, przy czym w każdym przypadku wykorzystuje się inny zbiór zmiennych wejściowych ustalony poprzez wylosowanie określonej liczby zmiennych z pierwotnego zbioru zmiennych. Wyniki klasyfikacji uzyskane za pomocą poszczególnych drzew są agregowane poprzez podanie klasy najczęściej wskazywanej przez rozpatrywane drzewa.
korzystając z posiadanego zbioru danych tworzące są zbiory uczące poprzez wykorzystanie losowania ze zwracaniem. Następnie każdy z wygenerowanych w ten sposób zbiorów jest wykorzystywany do utworzenia jednego drzewa decyzyjnego. Wyniki klasyfikacji uzyskane za pomocą agregowane poprzez wyznaczenie średniej ważonej w wyniku uzyskanych za pomocą poszczególnych drzew( wagi uzależnione są od wartości błedu uczenia drzewa)
korzystając z posiadanego zbioru danych tworzone są zbiory uczące poprzez wykorzystanie losowania bez zwracania. Następnie każdy z wygenerowanych w ten sposób zbiorów jest wykorzystywany do utworzenia jednego drzewa decyzyjnego. Wyniki klasyfikacji uzyskane za pomocą poszczególnych drzew są agregowane po przez podanie klasy najczęściej wskazywanej przez rozpatrywane drzewa.
korzystając z posiadanego zbioru danych tworzone są zbioru uczace poprzez wykorzystania losowania ze zwracaniem. nastepnie kazdy z wygenerowanych w ten sposob zbiorow jest wykorzystywany do utworzenia jednego drzewa decyzyjnego. wyniki klasyfikacji uzyskane za pomoca poszczególnych drzew sa agregowane poprzez podanie klasy najczesciej wskazywanej przez rozpatrywanie drzewa.
Pytanie 12
Miara zaufania wykorzystywana do oceny metod badania asocjacji może zostać zdefiniowana jako iloraz
liczby przypadków zawierających wszystkie elementy wymienione w głowie reguły oraz liczby przypadków zawierających wszystkie elementy występujących w jej ogonie
liczby przypadków zawierających wszystkie elementy wymienione w głowie i ogonie reguły oraz liczby przypadków zawierających wszystkie elementy występujących w jej głowie
liczby przypadków zawierających wszystkie elementy wymienione w głowie i w ogonie reguły oraz liczby przypadków zawierających wszystkie elementy występujących w jej ogonie
liczby przypadków zawierających wszystkie elementy wymienione w ogonie reguły oraz liczby przypadków zawierających wszystkie elementy występujących w jej głowie
Pytanie 13
Dendrogram może zostać zastosowany do prezentacji wyników analizy skupień uzyskanych za pomocą metody
k-średnich
metody najdalszego sąsiedztwa
DBSCAN
Kohonena
Pytanie 14
Przyjmując, że Si jest identyfikatorem klasy do której mogą być zaliczane obiekty, zaś X jest wektorem wejściowym dla probabilistycznej sieci neuronowej, wskaż która poniższych wartości jest szacowana przez warstwę ukrytą probabilistycznej sieci neuronowej
p(Si|x)
p(Si)
p(x)
p(x|Si)
Pytanie 15
Metoda k-średnich w uczeniu sieci RBF wykorzystywana jest do:
podziału zbioru na zbiór uczący, walidacyjny i testowy
określenia wag warstwy ukrytej sieci
do generowania zbiorów uczących za pomocą techniki bootstrapu
określenia ważności poszczególnych zmiennych wejściowych
Pytanie 16
W metodach zmiennej metryki (quasi-Newtona) korzysta się z aproksymacji
gradientu funkcji błędu
wektorów własnych macierzy drugich pochodnych funkcji błędu
wektora przeciwnego do gradientu funkcji błędu
odwrotności macierzy drugich pochodnych funkcji błędu