NEW
Font size
WorksheetsML Quiz
Total questions: 7
Worksheet time: 4mins
Ճի՞շտ է արդյոք հետևյալ պնդումը․
«PCA-ը պահանջում է պիտակավորված տվյալներ»
ԱՅՈ
ՈՉ
Վերահսկվող Ուսուցման ընթացքում PCA-ը օգտագործելիս հիմնական կոմպոնենտները որոշվում են․․․
train set-ի վրա
test set֊ի վրա
ամբողջ տվյալների վրա
տվյալների bootstrap֊ի վրա
Ի՞նչ է «Չափողականության Անեծքը» (Curse of Dimensionality)
Շատ պարամետրերով մեքենայական ուսուցման մոդելների անեծքը
Չափողականության մեծացմամբ տվյալների քանակի շատացումը
Չափողականության մեծ լինելու պատճառով մոդելների չաշխատելը
Չափողականության մեծացումով մոդելի լավ աշխատելու համար պահանջվող տվյալների քանակի էքսպոնենցիալ աճը
Ճի՞շտ է արդյոք հետևյալ պնդումը․
«Չափողականության անեծքը չի ազդում մոդելի լավ ընդհանրացումի (Generalization) վրա»
ԱՅՈ
ՈՉ
Ճի՞շտ է արդյոք հետևյալ պնդումը․
«kNN֊ի վրա ազդում է չափողականության անեծքը»
ԱՅՈ
ՈՉ
Նշվածներից որը՞ կհանդիսանա PCA-ի մեջ Հիմնական Կոմպոնենտ 2֊ը (PC2)
Տվյալների ամենաշատ ցրվածությամբ ուղղությունը
Տվյալների երկրորդ ամենաշատ ցրվածությամբ ուղղությունը
Տվյալների x առանցքը
Տվյալների y առանցքը
Նշվածներից ո՞րն է ճիշտ t-SNE-ի վերաբերյալ
Ստացված կոորդինատները ունեն ուղիղ իմաստ
Պահպանվում է կետերի ցրվածությունը
Պահանջում է պիտակավորված տվյալներ
Սկզբանական տիրույթում իրար մոտ կետերը շարունակում են մնալ իրար մոտ
