Font size
Worksheets11. Gépi tanulás
Total questions: 15
Worksheet time: 9mins
Mit jelent az, hogy egy tanulás felügyelt?
A tanító minták elvárt kimenetét is felhasználja a tanulási folyamat.
A tanulás folyamatát módosítani kell, ha az elvárt kimenet eltér a számítottól.
A tanulás folyamata nem teljesen automatikus.
A tanulási folyamatnak ki kell számolni a tanító minták elvárt kimenetét is.
Mit jelent az, hogy egy tanulás felügyelet nélküli?
A tanulásnak nincs szüksége a tanító minták elvárt kimenetére.
A tanító minták elvárt kimenetét automatikusan számolja a tanulás módszere.
A tanító mintákra kiszámolt kimenet eltérhet az elvárt kimenettől.
A tanulás folyamata teljesen automatikus.
Mit jelent a zaj a tanító minták esetén?
Amikor azonos attribútumokkal rendelkező minták eltérő elvárt kimenetekkel rendelkeznek.
Amikor két vagy több eltérő attribútumokkal rendelkező minta elvárt kimenetei megegyeznek.
Amikor a tanítóminták elvárt kimenetének jelentése elmosódott.
Amikor a tanítóminták elvárt kimenete hasonló.
Különböző tanító minták halmazának mikor a legkisebb az információ (entrópia) tartalma a döntési fáknál?
Ha a minták kimeneti értékei közötti legnagyobb távolság (valamilyen távolság metrika mellett) kisebb a legnagyobb kimeneti értéknél (ugyanazon metrika szerint).
Ha a minták inputjai közötti legnagyobb távolság (valamilyen távolság metrika mellett) kisebb a legnagyobb input értéknél (ugyanazon metrika szerint).
Ha mind azonos kimeneti értékkel rendelkezik.
Ha a kimeneteik értékei mind különböznek.
Hogyan értékelünk ki a döntési fa építése során egy levélcsúcsot akkor, ha nem tartoznak hozzá tanító minták?
Ilyen eset nem fordulhat elő.
A csúcshoz tartozó attribútumok alapján, ha vannak ilyenek, különben véletlenszerű értéket kap.
A szülőcsúcsához tartozó attribútumok alapján.
A szülőcsúcsához tartozó tanítóminták alapján.
A döntési fa építése során az alábbiak közül milyen csúcsok fordulhatnak elő a fában?
Attribútummal címkézett belső csúcsok.
Kiértékeletlen levélcsúcsok.
Attribútummal címkézett levél csúcsok.
Kiértékelt levélcsúcsok.
Mely állítások igazak a döntési fára?
Egy csúcsból kivezető élei a csúcs attribútumának lehetséges értékeit szimbolizálják.
Ágai egy probléma lehetséges megoldását adják.
Belső csúcsai egy-egy attribútumot reprezentálnak.
Gyökércsúcsa a kiinduló problémát reprezentálja.
Mely állítások igazak a döntési fa módszerére?
A mintákat a válaszadásnál is ismerni kell.
A tanulási idő hosszú.
Optimális megoldást ad.
A válaszadási idő rövid.
Mely állítások igazak k-legközelebbi szomszéd módszerére?
A tanulási idő hosszú.
A megtanult paraméter a minták összessége.
A válaszadási idő rövid.
Egyszerű implementálni.
Milyen felügyelt tanulási módszereket ismert meg a kurzuson?
k-legközelebbi szomszéd módszere.
k-közép módszer.
Error backpropagation algoritmus.
Véletlen erdő módszere.
Hol jutott szerepe a véletlennek a véletlen erdő módszerében?
A fa egy csúcsához rendelt attribútumot véletlen módon választja ki.
Az erdő egy fájának felépítéséhez a minták véletlen választott részhalmazát használja.
Az erdő fáinak számát véletlen módon határozzák meg.
Az erdő egy fájának felépítéséhez a minták attribútumai közül véletlen választott attribútumokat használ.
Mely fogalmak kapcsolhatók össze az alábbiak közül a gépi tanulás témakörében? - felügyelt tanulás
tanító minták elvárt kimenete
2-es norma
véletlen erdő
osztályozási feladat
Mely fogalmak kapcsolhatók össze az alábbiak közül a gépi tanulás témakörében? - kereszt entrópia
tanító minták elvárt kimenete
2-es norma
véletlen erdő
osztályozási feladat
Mely fogalmak kapcsolhatók össze az alábbiak közül a gépi tanulás témakörében? - döntési fa
tanító minták elvárt kimenete
2-es norma
véletlen erdő
osztályozási feladat
Mely fogalmak kapcsolhatók össze az alábbiak közül a gépi tanulás témakörében? - k-közep módszer
tanító minták elvárt kimenete
2-es norma
véletlen erdő
osztályozási feladat