ML Quiz

Ճի՞շտ է արդյոք հետևյալ պնդումը․
«PCA-ը պահանջում է պիտակավորված տվյալներ»

• ԱՅՈ

• ՈՉ

Վերահսկվող Ուսուցման ընթացքում PCA-ը օգտագործելիս հիմնական կոմպոնենտները որոշվում են․․․

• train set-ի վրա

• test set֊ի վրա

• ամբողջ տվյալների վրա

• տվյալների bootstrap֊ի վրա

Ի՞նչ է «Չափողականության Անեծքը» (Curse of Dimensionality)

• Շատ պարամետրերով մեքենայական ուսուցման մոդելների անեծքը

• Չափողականության մեծացմամբ տվյալների քանակի շատացումը

• Չափողականության մեծ լինելու պատճառով մոդելների չաշխատելը

• Չափողականության մեծացումով մոդելի լավ աշխատելու համար պահանջվող տվյալների քանակի էքսպոնենցիալ աճը

Ճի՞շտ է արդյոք հետևյալ պնդումը․
«Չափողականության անեծքը չի ազդում մոդելի լավ ընդհանրացումի (Generalization) վրա»

• ԱՅՈ

• ՈՉ

Ճի՞շտ է արդյոք հետևյալ պնդումը․
«kNN֊ի վրա ազդում է չափողականության անեծքը»

• ԱՅՈ

• ՈՉ

Նշվածներից որը՞ կհանդիսանա PCA-ի մեջ Հիմնական Կոմպոնենտ 2֊ը (PC2)

• Տվյալների ամենաշատ ցրվածությամբ ուղղությունը

• Տվյալների երկրորդ ամենաշատ ցրվածությամբ ուղղությունը

• Տվյալների x առանցքը

• Տվյալների y առանցքը

Նշվածներից ո՞րն է ճիշտ t-SNE-ի վերաբերյալ

• Ստացված կոորդինատները ունեն ուղիղ իմաստ

• Պահպանվում է կետերի ցրվածությունը

• Պահանջում է պիտակավորված տվյալներ

• Սկզբանական տիրույթում իրար մոտ կետերը շարունակում են մնալ իրար մոտ