Quiz di Machine Learning

Qual è la differenza principale tra "apprendimento supervisionato" e "non supervisionato" in Machine Learning?

• A) L’apprendimento supervisionato richiede etichette per i dati, mentre l’apprendimento non supervisionato no.

• B) L’apprendimento non supervisionato richiede più dati rispetto all’apprendimento supervisionato.

• C) Solo l’apprendimento supervisionato utilizza algoritmi di clustering.

• D) Non ci sono differenze significative tra i due.

Quale dei seguenti algoritmi è comunemente usato per problemi di classificazione?

• A) K-Means

• B) Support Vector Machine (SVM)

• C) PCA (Principal Component Analysis)

• D) Algoritmo genetico

Cos’è l’overfitting in Machine Learning?

• A) Quando un modello non riesce a generalizzare sui dati di addestramento.

• B) Quando un modello si adatta eccessivamente ai dati di addestramento, ma non ai nuovi dati.

• C) Quando un modello non è abbastanza complesso.

• D) Quando il modello genera troppi output.

Qual è la funzione principale della "Regolarizzazione" in un modello di machine learning?

• A) Ridurre la complessità del modello per evitare l’overfitting.

• B) Aumentare la complessità del modello.

• C) Diminuire il numero di campioni di addestramento.

• D) Ridurre il tempo di addestramento.

Quale algoritmo di machine learning è usato per ridurre la dimensionalità dei dati?

• A) K-Nearest Neighbors

• B) Linear Regression

• C) Principal Component Analysis (PCA)

• D) Decision Tree

Quale di questi è un modello lineare?

• A) Reti neurali profonde

• B) Support Vector Machine con kernel polinomiale

• C) Regressione lineare

• D) Alberi decisionali

Cos’è una "funzione di perdita" in Machine Learning?

• A) Una metrica per misurare la complessità di un modello

• B) Un parametro che migliora l’accuratezza del modello

• C) Una misura della differenza tra le predizioni del modello e i valori reali

• D) Un modo per calcolare il numero di errori nei dati di addestramento

Quale di questi metodi viene usato per valutare la performance di un modello di classificazione?

• A) Tasso di apprendimento

• B) Matrice di confusione

• C) Funzione di attivazione

• D) Normalizzazione

Cos’è il "cross-validation" in Machine Learning?

• A) Una tecnica per migliorare l’accuratezza del modello aumentando i dati di addestramento.

• B) Un metodo per suddividere i dati in sottoinsiemi per validare il modello.

• C) Un algoritmo per selezionare i migliori parametri per il modello.

• D) Una strategia per ottimizzare il tempo di addestramento.

Qual è lo scopo principale del "K-Means Clustering"?

• A) Classificare i dati in categorie predefinite

• B) Dividere i dati in gruppi basati sulla loro similarità

• C) Ridurre la dimensionalità dei dati

• D) Predire valori numerici