Mow powtorka 2

Co oznacza K w algorytmie KNN

• ilość używanych metryk odległości

• wartość parametru kary

• ilość najbliższych sąsiadów

• ilość klas do predykcji

• jakie algorytmy należy zastosować do zaklasyfikowa danych, które posiadają nieliniową korelację ze zmienną objaśniającą

• Regresja wieloraka

• Regresja liniowa

• Drzewo decyzyjne

• SVM

W regresji wielowymiarowej, dodanie nowej zmiennej objaśniającej do modelu:

• Zawsze poprawia dopasowanie modelu

• Może prowadzić do nadmiernego dopasowania

• Zawsze zmniejsza błędy

• Znacznie poprawia interpretowalność modelu

Jak nazywa się miara jakości dopasowania modelu regresji liniowej do danych?

• Współczynnik determinacji 𝑅²

• F1

• ACC

• AUC

Perceptron może służyć do rozwiązania problemu XOR:

• Zawsze

• Tylko w przypadku zestawienia kilku perceptronów

• Tylko w przypadku specyficznie dobranych danych

• Nigdy

W SVM, co oznacza maksymalizacja marginesu?

• Maksymalizacja liczby próbek w zbiorze uczącym

• Maksymalizacja liczby wymiarów danych

• Minimalizacja liczby support vectorów

• Maksymlizacja odl. między najbliższymi pkt., a hiperplanem rozdzielającym

W algorytmie KNN, odległości między punktami danych są mierzone za pomocą:

• Odległości Euklidesowej

• Odległości Manhattan

• Odległości Minkowskiego

• Wszystkie powyższe

Które z poniższych stwierdzeń dotyczących problemu nadmiernego dopasowania (overfitting) jest prawdziwe?

• występuje, gdy model zbyt dobrze dopasowuje się do danych treningowych

• wszystkie odpowiedzi są poprawne

• można całkowicie wyeliminować przez zwiększenie zbioru treningowego

• występuje, gdy model jest zbyt prosty