Машинное обучение (лекции 1-6)

Что делает метод KNN?

• Предсказывает класс по ближайшим объектам

• Делит данные на деревья

• Обучает веса признаков

• Генерирует новые признаки

Что определяет параметр k в алгоритме KNN?

• Метрику расстояния

• Количество ближайших соседей

• Размер обучающей выборки

• Количество признаков

Какой тип обучения реализует KNN?

• Обучение с учителем

• Без учителя

• С подкреплением

• Генеративное

Как можно ускорить поиск соседей в KNN?

• Использовать линейную регрессию

• Использовать KD-дерево или Ball-дерево

• Увеличить k

• Использовать Weighted KNN (взвешенный KNN)

Какой недостаток у KNN?

• Размер обучающей выборки маленький

• Невозможно работать с числовыми данными

• Не работает с большими k

• Требует много памяти и времени при предсказании

Что является ключевой характеристикой Instance-Based Learning (IBL)?

• Строят сложную модель на этапе обучения

• Запоминают обучающие примеры и используют их при предсказании

• Не используют данные для принятия решений

• Обучаются на скрытых признаках только

Какой из перечисленных алгоритмов относится к методам Instance-Based Learning, IBL?

• Логистическая регрессия

• k-ближайших соседей (k-NN)

• Деревья решений (Decision Trees)

• SVM

Если две точки совпадают в пространстве, евклидово расстояние между ними равно:

• 1

• 0

• Сумме координат

• Бесконечности

Что делает взвешенный (Weighted KNN) KNN?

• Учитывает расстояние при голосовании соседей

• Сохраняет только необходимые точки, которые определяют границу классов

• Делит пространство не по осям, а на сферы

• Делит пространство на оси координат

25. Основная идея Метод опорных векторов (SVM) заключается в:

• Модель принятия решений, основанная на древовидной структуре

• В запоминании обучающих примеров и принимают решения на основе схожести новых данных с уже известным

• Нахождении прямой (или гиперплоскости), разделяющей классы с максимальным зазором

• Минимизации ошибок на обучении