TUM Powtórka

Jakie algorytmy spośród podanych wymagają skalowania danych?

• KNN

• Drzewo decyzyjne

• SVM

• Perceptron

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

• Współczynnik determinacji 𝑅²

• F1

• ACC

• MAE

Które z poniższych stwierdzeń najlepiej opisuje sposób aktualizacji wag w perceptronie?

• Wagi są aktualizowane za pomocą gradientu stochastycznego

• Wagi są aktualizowane za pomocą algorytmu Levenberga-Marquardta

• Wagi są aktualizowane zgodnie z regułą perceptronową

• Wagi są aktualizowane za pomocą metody najmniejszych kwadratów

W SVM, co oznacza maksymalizacja marginesu?

• Maksymalizacja liczby próbek w zbiorze uczącym

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

• Maksymalizacja liczby wymiarów danych

• Minimalizacja liczby support vectorów

Funkcja jądra (kernel) w SVM służy do:

• Przekształcenia danych w wyższy wym. w celu znalezienia liniowej separacji

• Zmniejszenia wymiarowości danych

• Normalizacji danych

• Zmniejszenia liczby support vectorów

W drzewie decyzyjnym, jak nazywa się miara stosowana do oceny podziałów w węzłach?

• Odchylenie standardowe

• R²

• Wartość P

• Gini

Która z poniższych metod służy do przycinania drzew decyzyjnych?

• Przycinanie przed podziałem, np. min_split

• Regularizacja L1

• Normalizacja danych

• Przycinanie po podziale, np. ustawienie max_depth

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

• Odległości Euklidesowej

• Odległości Manhattan

• Odległości Minkowskiego

• Wszystkie powyższe

W uczeniu przez wzmocnienie, macierz wartości Q służy do:

• Oceny dokładności modelu

• Minimalizacji funkcji kosztu

• Oceny jakości akcji w danym stanie

• Klasteryzacji danych

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

• występuje, gdy model jest zbyt prosty

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

• wszystkie odpowiedzi są poprawne

• można całkowicie wyeliminować przez zwiększenie zbioru treningowego