Algorytmy uczenia nadzorowanego

Czym jest algorytm DBSCAN?

• Metodą klasyfikacji binarnej.

• Algorytmem losowego lasu.

• Algorytmem klastrowania opartym na gęstości, potrafiącym ignorować szum.

• Modelem regresji liniowej.

Co jest celem agenta w uczeniu przez wzmocnienie?

• Minimalizacja strat w danych.

• Maksymalizacja nagrody zwracanej przez środowisko.

• Klasteryzacja danych wejściowych.

• Przypisanie etykiet do danych.

Czym zajmują się algorytmy klasyfikacji?

• Grupowaniem danych bez etykiet.

• Przewidywaniem wartości liczbowych.

• Przypisywaniem danych do wcześniej zdefiniowanych klas.

• Wykrywaniem zależności między produktami.

Na czym polega uczenie przez wzmocnienie?

• Model analizuje nieoznakowane dane.

• Model otrzymuje dane z etykietami.

• Model uczy się poprzez interakcję ze środowiskiem, aby maksymalizować nagrodę.

• Model przewiduje wartości liczbowe na podstawie zależności liniowych.

Czym charakteryzuje się uczenie nienadzorowane?

• Model samodzielnie odkrywa wzorce w danych bez etykiet.

• Model działa wyłącznie w środowisku symulacyjnym.

• Model otrzymuje poprawne odpowiedzi od człowieka.

• Model przewiduje wartości ciągłe.

Jakie dwa główne problemy rozwiązuje uczenie nadzorowane?

• Grupowanie i predykcja.

• Klasyfikacja i regresja.

• Analiza i eksploracja.

• Kategoryzacja i tokenizacja.

Co przewidują algorytmy regresji?

• Klasy lub etykiety danych.

• Wartości ciągłe (liczbowe).

• Grupowanie danych.

• Relacje pomiędzy elementami.

Który algorytm jest przykładem uczenia przez wzmocnienie?

• K-Means.

• Regresja liniowa.

• Naiwny klasyfikator Bayesa.

• Model agenta uczącego się w środowisku gry komputerowej.

Czym jest regresja liniowa?

• Algorytmem do grupowania danych.

• Modelem do klasyfikacji tekstu.

• Algorytmem przewidującym wartość na podstawie zależności liniowej między zmiennymi.

• Siecią neuronową o wielu warstwach.

Co robi algorytm Apriori?

• Klasyfikuje dane według etykiet.

• Wykrywa często współwystępujące zestawy elementów i generuje reguły asocjacyjne.

• Przewiduje wartości ciągłe.

• Tworzy lasy decyzyjne.