Машинное обучение

Если байесовское решающее правило написать через апостериорные вероятности, то получится формула вида:

(Отметьте один правильный вариант ответа.)

Варианты ответа

$a(x) = \arg\max_{\limits{y \in Y}} p_y (x)$

$a(x) = \arg\max_{\limits{y \in Y}} \lambda_y P(y|x)$

(Верный ответ)

$R(x) = \sum_{\limits{y \in Y}} \lambda_y P(y|x)$

$a(x) = \arg\max_{\limits{y \in Y}} \lambda_y P_y p_y (x)$

Похожие вопросы

Верно ли, что если классы имеют нормальные функции правдоподобия, то байесовское решающее правило имеет квадратичную разделяющую поверхность.

К какому классу отнесет объект решающее правило С:

$C(b) \equiv C(b^{(1)},...,b^\mu) = \arg \max_{y \in Y} b^{(y)}$

Как будет выглядеть формула вероятности ошибки в интерпретации обобщающей способности метода

$\mu$

Как будет выглядеть формула вероятности, когда переобученность превышает допустимый порог

$\epsilon$

Какое правило означает следующая формула

$w_m:=w_m + \eta (x_i - w_m) K(\rho(x_i, w_m))$

Какое правило означает следующая формула

$a(x)=arg \min_{m \in Y} Cm \rho(x,w_m)$

Какое правило означает следующая формула

$a(x)=arg \min_{m \in Y} \rho(x,w_m)$

Как будет выглядеть формула вероятности ошибки в интерпретации обобщающей способности метода

$\mu$

, если взять матожидание по выборке

от функционала

Что такое решающее дерево?

Что такое бинарное решающее дерево?