WorksheetsТП_Задачи кластеризации. Решающие деревья
Total questions: 15
Worksheet time: 10mins
Какие задачи машинного обучения относятся к задачам обучения без учителя?
классификации
кластеризации
регрессии
понижения размерности
Задача, в которой исходный набор объектов не размечен и нужно построить модель, которая бы разносила образы по группам (классам), используя заданную (или выбранную) метрику между объектами
классификации
регрессии
кластеризации
понижения размерности
Результатами задачи кластеризации являются:
множество кластеров
обученная выборка
алгоритм кластеризации
множество классов
Случаи использования задачи кластеризации:
сложные данные разбиваются по похожим группам, упрощая их представление, а значит, и обработку в пределах каждой группы
сокращение объема выборки за счет сохранения небольшого числа характерных представителей каждого класса
выделение нетипичных объектов (выбросов), которые нельзя отнести ни к одному кластеру (задачи классификации, антифрод и спам системы)
построение иерархии объектов (пример – классификация животных и растений К. Линнея – задача таксономии)
Возможные проблемы кластеризации:
отсутствие чётко выраженного единственного решения
зависимость от выбранной метрики
зависимость от применяемого алгоритма
зависимость от исходных данных
Какие кластеры меньше, чем межклассовые
внутриклассовые
ленточные кластеры
кластеры с перемычками
кластеры на фоне шумов
Какие из приведенных вариантов могут служить критериями качества кластеризации?
среднеквадратическое отклонение
отношение среднекластерного и межкластерного расстояний
среднее внутрикластерное расстояние
среднее межкластерное расстояние
Выберите подходы к решению задач частичного обучения (Semi-Supervised Learning):
частичное обучение
трансдуктивное обучение
полностью контролируемое обучение
обучение с подкреплением
Кому принадлежит алгоритм K-means?
Л'Экюера
Лэнда-Дойга
Ллойд
Ли
Способ вычисления расстояний между произвольными двумя точками в признаковом пространстве
метрика
евклидово расстояние
косинусная схожесть
формула Хаверсина
Структура дерева принятия решений (решающего дерева или регрессионного дерева) состоит из
листьев
рёбер
внутренних вершин
цикла
В логическом методе классификации удобно использовать [fj(x)≤aj], j=1, 2, ..., n
нотация Айверсона
формула Хаверсина
алгоритм Ллойда
алгоритм Фишера
Терминальные вершины дерева -
внутренние
инцидентные
концевые
изолированные
Методы сбора ансамблей алгоритмов машинного обучения:
стекинг
бэггинг
бустинг
энтропия
В каком году Freund и Schapire предложили общую схему для композиции алгоритмов с разными весами?
1957
1961
1995
2015
