ML Lecture 5 Quiz

Հետևյալ պնդումը ճի՞շտ է թե ոչ․
«Ծառի (Tree) ստորին գագաթները (terminal nodes) կոչվում են տերևներ (leaves)»։

• ԱՅՈ

• ՈՉ

Ելնելով տրված ծառից՝ ճիշտ է արդյոք հետևյալ պնդումը․
«Մեծահասակ Տղամարդ (male) ուղևորները մեծամասամբ ողջ են մնացել (survived)»

• ԱՅՈ

• ՈՉ

Մեքենայական Ուսուցման մեջ No Free Lunch թեորեմը պնդում է, որ․․․

• Ոչ մի ML ալգորիթմ չպետք է օգտագործվի չտեսնված տվյալների համար

• Ոչ մի ML ալգորիթմ վստահելի չէ

• Ոչ մի ML ալգորիթմ ավելի լավը չէ քան ցանկացած այլ ալգորիթմ բոլոր հնարավոր տվյալների բազմությունների վրա

• համընդհանուր լավ ML ալգորիթմ դժվար է նախագծել և իմպլեմենտացնել

Նշվածներից որը՞ ՉԻ հանդիսանում ծառի էտման (pruning) պայման

• Գագաթում տվյալների քանակը (Node size) փոքր է ինչ֊որ շեմից (threshold)

• Ծառի խորությունը փոքր է ինչ֊որ շեմից

• Որևէ երեխա գագաթի տվյալների քանակը փոքր է ինչ֊որ շեմից

• Impurity Gain-ը փոքր է ինչ֊որ շեմից

Ծառի էտման (pruning) հիմնական նպատակն է․․․

• խնայել հաշվողական ժամանակ (computational time)

• խուսափել գերուսուցումից

• նվազեցնել մոդելի կանխատեսման կարողությունը

• Խնայել հիշողություն

Ի՞նչ կկանխատեսի տվյալ ծառը հետևյալ տվյալի համար․
Age=20, Salary=2400, No. of children=1

• Get Loan

• Don't get loan

• Որոշված չէ

• Նշվածներից ոչ մեկը

Նշված feature֊ներից (Outlook, Temp., Humidity, Windy), ո՞րը պետք է ընտրել որպես ծառի արմատ

• Outlook

• Temp.

• Humidity

• Windy

• 0․5

• 0․16

• 0․27

• 0․39

• Length

• Gills

• Beak

• Teeth

Հետևյալ պնդումը ճի՞շտ է թե ոչ․
«Ավելի կարճ ծառերը զգայուն են աղմկոտ տվյալների նկատմամբ»։

• ԱՅՈ

• ՈՉ