wayground logo

Free Printable Worksheets

NEW

Font size

S
M
L
XL
Worksheets

Машинное обучение (лекции 1-6)

Total questions: 40

Worksheet time: 30mins

Name
Class
Date
1.

Что делает метод KNN?

a)

Предсказывает класс по ближайшим объектам

b)

Делит данные на деревья

c)

Обучает веса признаков

d)

Генерирует новые признаки

2.

Что определяет параметр k в алгоритме KNN?

a)

Метрику расстояния

b)

Количество ближайших соседей

c)

Размер обучающей выборки

d)

Количество признаков

3.

Какой тип обучения реализует KNN?

a)

Обучение с учителем

b)

Без учителя

c)

С подкреплением

d)

Генеративное

4.

Как можно ускорить поиск соседей в KNN?

a)

Использовать линейную регрессию

b)

Использовать KD-дерево или Ball-дерево

c)

Увеличить k

d)

Использовать Weighted KNN (взвешенный KNN)

5.

Какой недостаток у KNN?

a)

Размер обучающей выборки маленький

b)

Невозможно работать с числовыми данными

c)

Не работает с большими k

d)

Требует много памяти и времени при предсказании

6.

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

a)

Строят сложную модель на этапе обучения

b)

Запоминают обучающие примеры и используют их при предсказании

c)

Не используют данные для принятия решений

d)

Обучаются на скрытых признаках только

7.

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

a)

Логистическая регрессия

b)

k-ближайших соседей (k-NN)

c)

Деревья решений (Decision Trees)

d)

SVM

8.

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

a)

1

b)

0

c)

Сумме координат

d)

Бесконечности

9.

Что делает взвешенный (Weighted KNN) KNN?

a)

Учитывает расстояние при голосовании соседей

b)

Сохраняет только необходимые точки, которые определяют границу классов

c)

Делит пространство не по осям, а на сферы

d)

Делит пространство на оси координат

10.

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

a)

Модель принятия решений, основанная на древовидной структуре

b)

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

c)

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

d)

Минимизации ошибок на обучении

11.

Какой тип SVM используется для регрессии?

a)

SVC

b)

KNN

c)

SVR

d)

LDA

12.

Что такое опорные векторы в SVM?

a)

Объекты, которые находятся дальше всего к границе раздела классов

b)

Все объекты обучающей выборки

c)

Объекты, которые находятся ближе всего к границе раздела классов

d)

Признаки с наибольшей дисперсией

13.

Что такое зазор (margin) в SVM?

a)

Расстояние между двумя точками, если двигаться только по осям координат (вверх-вниз, вправо-влево), а не “по диагонали”

b)

Расстояние между всеми точками обучающей выборки

c)

Обучение метрики расстояния между объектами

d)

Расстояние между опорными векторами и разделяющей гиперплоскостью

14.

Какая гиперплоскость считается лучшей в SVM?

a)

Та, которая проходит через все точки обучающей выборки

b)

Та, у которой зазор между классами минимален

c)

Та, у которой зазор между классами максимально большой

d)

Та, которая находится ближе к центру одного из классов

15.

Какие точки влияют на положение разделяющей гиперплоскости SVM?

a)

Все точки обучающей выборки

b)

Только опорные векторы

c)

Только точки с минимальными признаками

d)

Точки, расположенные внутри классов

16.

Что делает ядровая (kernel) функция?

a)

Преобразует данные в пространство более высокой размерности

b)

Удаляет лишние признаки

c)

Масштабирует данные

d)

Используется по умолчанию для сжимания данных

17.

Что делает One-Hot Encoding?

a)

Масштабирует признаки

b)

Превращает категориальные признаки в бинарные

c)

Удаляет выбросы

d)

Кодирует текст в числа

18.

Что такое выброс (outlier)?

a)

Среднее значение

b)

Пропущенное значение

c)

Наблюдение, сильно отличающееся от других

d)

Нормализация данных

19.

Как называется процесс приведения числовых данных к диапазону [0,1]?

a)

Min-Max Scaling

b)

Логарифмирование

c)

Robust Scaling

d)

Дискретизация

20.

Что такое "feature engineering"?

a)

Процесс создания новых признаков для улучшения модели

b)

Процесс удаления признаков для улучшения модели

c)

Тестирование модели

d)

Наблюдение, сильно отличающееся от других

21.

Пол человека (мужской/женский) относится к признакам:

a)

Числовым

b)

Текстовым

c)

Временным

d)

Категориальным

22.

Отзывы клиентов в виде текста — это признаки:

a)

Числовые

b)

Категориальные

c)

Текстовые

d)

Временные

23.

Какой тип признаков лучше всего подходит для вычисления среднего значения?

a)

Числовые

b)

Категориальные

c)

Временные

d)

Текстовые

24.

Признаки отзывов пользователей можно обрабатывать с помощью:

a)

Среднего значения

b)

One-Hot Encoding

c)

TF-IDF или Word Embedding

d)

Min-Max Scaling

25.

Код страны (например, US, RU, AZ) — это признаки:

a)

Числовые

b)

Категориальные

c)

Временные

d)

Текстовые

26.

Уменьшение объёма данных, удаление избыточных признаков или объектов относится к:

a)

Data Cleaning

b)

Data Transformation

c)

Data Optimization

d)

Data Checking

27.

Какой этап подготовки данных отвечает за поиск и исправление ошибок, пропусков и некорректных значений?

a)

Data Transformation

b)

Data Cleaning

c)

Data Augmentation

d)

Data Optimization

28.

Какой этап подразумевает искусственное увеличение объёма данных с помощью генерации новых примеров?

a)

Data Optimization

b)

Data Transformation

c)

Data Augmentation

d)

Data Cleaning

29.

Какова цель линейной регрессии?

a)

Найти зависимость между переменными

b)

Разделить данные на группы

c)

Сжать размерность

d)

Найти минимальные расстояния

30.

Уравнение линейной регрессии имеет вид:

a)

y = x² + b

b)

y = wx + b

c)

y = log(x) + b

d)

y = sin(x)

31.

Что минимизирует линейная регрессия при обучении?

a)

Сумму квадратов ошибок

b)

Максимум правдоподобия

c)

Энтропию

d)

Количество признаков

32.

Что происходит при стандартизации данных?

a)

Удаляются все отрицательные значения

b)

Среднее становится 0, стандартное отклонение — 1

c)

Данные сортируются

d)

Данные умножаются на константу

33.

Что делает метод наименьших квадратов (Least Squares Method)?

a)

Минимизирует ошибку между предсказанным и фактическим значением

b)

Делит данные на категории

c)

Сжимает данные

d)

Выполняет иерархическую классификацию

34.

Что такое переобучение (overfitting)?

a)

Модель плохо учится

b)

Модель запоминает данные, но плохо обобщает

c)

Модель недообучена

d)

Модель теряет данные

35.

Какой тип задачи решает классификация?

a)

Определение непрерывного значения

b)

Разделение данных на категории

c)

Сжатие данных

d)

Оптимизация параметров

36.

Алгоритм исследует данные без меток и находит закономерности или группы объектов. Это…

a)

Обучение с учителем

b)

Обучение без учителя

c)

Обучение с подкреплением

d)

Полуобучение

37.

Алгоритм предсказывает категорию письма как «спам» или «не спам» на основе размеченных данных. Тип обучения:…

a)

Обучение с учителем

b)

Обучение без учителя

c)

Обучение с подкреплением

d)

Полуобучение

38.

Агент в виртуальной среде получает награды или штрафы и обучается выбирать действия, чтобы максимизировать суммарную награду. Это…

a)

Обучение с учителем

b)

Обучение без учителя

c)

Обучение с подкреплением

d)

Глубокое обучение

39.

Алгоритм кластеризации делит пользователей на группы по схожести поведения без заранее известных категорий. Какой это тип обучения?

a)

Обучение с подкреплением

b)

Обучение без учителя

c)

Обучение с учителем

d)

Полуобучение

40.

Какая противоположность обучения по прецедентам?

a)

Машинное обучение

b)

Дедуктивное обучение

c)

Обучение без учителя

d)

Нейронные сети

Similar Resources on Wayground

аружан1

45 questions

аружан1

quiz

Worksheet

•

University

201-244 Идентификация

44 questions

201-244 Идентификация

quiz

Worksheet

•

University

общие положения мчп

43 questions

общие положения мчп

quiz

Worksheet

•

University

Работа над сценарием КИП

43 questions

Работа над сценарием КИП

quiz

Worksheet

•

University

Кнауф

40 questions

Кнауф

quiz

Worksheet

•

University

финансовый контроль и аудит 1-3

40 questions

финансовый контроль и аудит 1-3

quiz

Worksheet

•

University

Компонет1

40 questions

Компонет1

quiz

Worksheet

•

University