11. Gépi tanulás

Mit jelent az, hogy egy tanulás felügyelt?

• A tanító minták elvárt kimenetét is felhasználja a tanulási folyamat.

• A tanulás folyamatát módosítani kell, ha az elvárt kimenet eltér a számítottól.

• A tanulás folyamata nem teljesen automatikus.

• A tanulási folyamatnak ki kell számolni a tanító minták elvárt kimenetét is.

Mit jelent az, hogy egy tanulás felügyelet nélküli?

• A tanulásnak nincs szüksége a tanító minták elvárt kimenetére.

• A tanító minták elvárt kimenetét automatikusan számolja a tanulás módszere.

• A tanító mintákra kiszámolt kimenet eltérhet az elvárt kimenettől.

• A tanulás folyamata teljesen automatikus.

Mit jelent a zaj a tanító minták esetén?

• Amikor azonos attribútumokkal rendelkező minták eltérő elvárt kimenetekkel rendelkeznek.

• Amikor két vagy több eltérő attribútumokkal rendelkező minta elvárt kimenetei megegyeznek.

• Amikor a tanítóminták elvárt kimenetének jelentése elmosódott.

• Amikor a tanítóminták elvárt kimenete hasonló.

Különböző tanító minták halmazának mikor a legkisebb az információ (entrópia) tartalma a döntési fáknál?

• Ha a minták kimeneti értékei közötti legnagyobb távolság (valamilyen távolság metrika mellett) kisebb a legnagyobb kimeneti értéknél (ugyanazon metrika szerint).

• Ha a minták inputjai közötti legnagyobb távolság (valamilyen távolság metrika mellett) kisebb a legnagyobb input értéknél (ugyanazon metrika szerint).

• Ha mind azonos kimeneti értékkel rendelkezik.

• Ha a kimeneteik értékei mind különböznek.

Hogyan értékelünk ki a döntési fa építése során egy levélcsúcsot akkor, ha nem tartoznak hozzá tanító minták?

• Ilyen eset nem fordulhat elő.

• A csúcshoz tartozó attribútumok alapján, ha vannak ilyenek, különben véletlenszerű értéket kap.

• A szülőcsúcsához tartozó attribútumok alapján.

• A szülőcsúcsához tartozó tanítóminták alapján.

A döntési fa építése során az alábbiak közül milyen csúcsok fordulhatnak elő a fában?

• Attribútummal címkézett belső csúcsok.

• Kiértékeletlen levélcsúcsok.

• Attribútummal címkézett levél csúcsok.

• Kiértékelt levélcsúcsok.

Mely állítások igazak a döntési fára?

• Egy csúcsból kivezető élei a csúcs attribútumának lehetséges értékeit szimbolizálják.

• Ágai egy probléma lehetséges megoldását adják.

• Belső csúcsai egy-egy attribútumot reprezentálnak.

• Gyökércsúcsa a kiinduló problémát reprezentálja.

Mely állítások igazak a döntési fa módszerére?

• A mintákat a válaszadásnál is ismerni kell.

• A tanulási idő hosszú.

• Optimális megoldást ad.

• A válaszadási idő rövid.

Mely állítások igazak k-legközelebbi szomszéd módszerére?

• A tanulási idő hosszú.

• A megtanult paraméter a minták összessége.

• A válaszadási idő rövid.

• Egyszerű implementálni.

Milyen felügyelt tanulási módszereket ismert meg a kurzuson?

• k-legközelebbi szomszéd módszere.

• k-közép módszer.

• Error backpropagation algoritmus.

• Véletlen erdő módszere.