Машинное обучение

<<- Назад к вопросам

Чему способствует уменьшение параметра
$\lambda$
?

(Ответ считается верным, если отмечены все правильные варианты ответов.)

Варианты ответа

к ошибке всей композиции.

переобучению;(Верный ответ)

росту числа ошибок;

росту числа базовых алгоритмов;(Верный ответ)

Похожие вопросы

Чему способствует увеличение параметра

$\lambda$

?

Перейти

Что не способствует уменьшению параметра

$\lambda$

?

Перейти

К чему приводит уменьшение параметра

$E_{max}$

при оптимизации сложности решающего списка?

Перейти

Если известны

P_y = P(y)

и

P_y(x) = p(x|y)

, и

$\lambda_{yy} = 0$

, а

$\lambda_{ys} = \lambda_y$

для всех

,

$s \in Y$

, то минимум среднего риска

R(a)

достигается при:

Перейти

Если выполнены условия: 1) выборка

X^m

простая, получена из плотности распределения

p(x)

; 2) ядро

K(z)

непрерывно, его квадрат ограничен:

$\int_x k^z (z)dz<\infty$

; 3) последовательность

h_m

такова, что

$\lim_{\limits {m \to \infty}} h_m = 0$

и

$\lim _{\limits{m \to \infty}} mh_m = \infty$

, тогда:

Перейти

На предположении, что плотность распределения известна с точностью до параметра,

$p(x) = \varphi (x, \Theta)$

, где

$\varphi$

- фиксированная функция, основано:

Перейти

Если в корректирующей операции

$b(x) = F(b_1(x),g_1(x),...,b_r(x), g_r(x)) = \sum_{t=1}^T gt(x) b_t(x)$

функция

gt(x)

принимает только два значения

$\{0,1\}$

, то множество всех

$x \in X$

, для которых

gt(x) = 1

, называется:

Перейти

Верно ли утверждение. Функции правдоподобия принадлежат параметрическому семейству распределений

$\varphi(x;\Theta)$

и отличаются только значениями параметра

$p_j(x) = \varphi(x;\Theta)$

.

Перейти

Чему соответствует точечное ядро

k(z)=[z=0]

при единичной ширине окна

h=1

:

Перейти

Чему эквивалентна минимизация функционала

Q(a) = Q(F(b_1,...,b_t))

по базовому алгоритму

b_t

?

Перейти