База ответов ИНТУИТ

Машинное обучение

<<- Назад к вопросам

Выберите, что подходит под определение коэффициента разнообразия
\Delta^A(X^L)
множества алгоритмов А на выборке
X^L
?

(Отметьте один правильный вариант ответа.)

Варианты ответа
параметры допускающие ошибки на одних и тех же объектах
I(a, X_i)=I(a', X_i)
для всех
x_i \in X^L
;
индикатор ошибки
I
и числа
\epsilon \in [0,1)
, для которых справедлива оценка
Q_{\epsilon}(\mu, X^L) < \Delta_L^l(\mu, X^L) \cdot Г_L^l(S_1(\epsilon))
;
число классов эквивалентности, индуцируемых на множестве А отношением неразличимости алгоритмов на выборке
X^L
(Верный ответ)
Похожие вопросы
Какая оценка справедлива для функции роста, если множество А конечно, а число алгоритмов, попарно неразличимы на выборке
X^L
?
Как будет называться предикат
\varphi(x)
, если
E_c(\varphi,X^l) \le \varepsilon
и
D_c(\varphi, X^l) \ge \delta
при заданных достаточно малом
\varepsilon
и достаточно большом
\delta
из отрезка [0,1]?
Как будет выглядеть формула вероятности ошибки в интерпретации обобщающей способности метода
\mu
, если взять матожидание по выборке
X^l
от функционала
Q_с
?
Если известны
P_y = P(y)
и
P_y(x) = p(x|y)
, и
\lambda_{yy} = 0
, а
\lambda_{ys} = \lambda_y
для всех
y
,
s \in Y
, то минимум среднего риска
R(a)
достигается при:
Функционал
Q_{int}(\mu, X^l)
, характеризующий качество метода
\mu
по обучающей выборке
X^l
называют:
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:
Алгоритмы
a
и
a'
неразличимы на выборке
X^l
, если:
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:
Какой получится алгоритм, если ввести функцию ядра
k(z)
невозрастающую на
[0, \infty)
и положив
w(i,u)=k(\frac{1}{h} \rho(u, x_u^{(i)}))
в формуле
a(u;X^l) = \arg \max_{y \in Y} Г_y(u;X^l)
?
Какой получится алгоритм, если
h
определить как наибольшее число, при котором ровно
k
ближайших соседей объекта
u
получают нулевые веса:
h(u)=\rho(u,x_u^{(k+1)})
.