WorksheetsML Lecture 5 Quiz
Total questions: 11
Worksheet time: 7mins
Հետևյալ պնդումը ճի՞շտ է թե ոչ․
«Ծառի (Tree) ստորին գագաթները (terminal nodes) կոչվում են տերևներ (leaves)»։
ԱՅՈ
ՈՉ
Ելնելով տրված ծառից՝ ճիշտ է արդյոք հետևյալ պնդումը․
«Մեծահասակ Տղամարդ (male) ուղևորները մեծամասամբ ողջ են մնացել (survived)»
ԱՅՈ
ՈՉ
Մեքենայական Ուսուցման մեջ No Free Lunch թեորեմը պնդում է, որ․․․
Ոչ մի ML ալգորիթմ չպետք է օգտագործվի չտեսնված տվյալների համար
Ոչ մի ML ալգորիթմ վստահելի չէ
Ոչ մի ML ալգորիթմ ավելի լավը չէ քան ցանկացած այլ ալգորիթմ բոլոր հնարավոր տվյալների բազմությունների վրա
համընդհանուր լավ ML ալգորիթմ դժվար է նախագծել և իմպլեմենտացնել
Նշվածներից որը՞ ՉԻ հանդիսանում ծառի էտման (pruning) պայման
Գագաթում տվյալների քանակը (Node size) փոքր է ինչ֊որ շեմից (threshold)
Ծառի խորությունը փոքր է ինչ֊որ շեմից
Որևէ երեխա գագաթի տվյալների քանակը փոքր է ինչ֊որ շեմից
Impurity Gain-ը փոքր է ինչ֊որ շեմից
Ծառի էտման (pruning) հիմնական նպատակն է․․․
խնայել հաշվողական ժամանակ (computational time)
խուսափել գերուսուցումից
նվազեցնել մոդելի կանխատեսման կարողությունը
Խնայել հիշողություն
Ի՞նչ կկանխատեսի տվյալ ծառը հետևյալ տվյալի համար․
Age=20, Salary=2400, No. of children=1
Get Loan
Don't get loan
Որոշված չէ
Նշվածներից ոչ մեկը
Նշված feature֊ներից (Outlook, Temp., Humidity, Windy), ո՞րը պետք է ընտրել որպես ծառի արմատ
Outlook
Temp.
Humidity
Windy
Հաշվել AvgGini֊ն տրված բաժանման համար։
Gini =2 ⋅ p ⋅ (1 − p)
0․5
0․16
0․27
0․39
Հաշվելով AvgGini-ն՝ որոշել, թե որ feature-ը կտա ամենահստակ բաժանումը։
Gini = 2 ⋅ p ⋅ (1− p)
Length
Gills
Beak
Teeth
Հետևյալ պնդումը ճի՞շտ է թե ոչ․
«Ավելի կարճ ծառերը զգայուն են աղմկոտ տվյալների նկատմամբ»։
ԱՅՈ
ՈՉ
Հետևյալ պնդումը ճի՞շտ է թե ոչ․
«Decision Tree-ն գծային դասակարգիչ է (Linear Classifier)»։
ԱՅՈ
ՈՉ
