Машинное обучение

Отрицательные отступы и классифицирующиеся неверно имеют:

(Отметьте один правильный вариант ответа.)

Варианты ответа

Похожие вопросы

Большой положительный отступ, плотно окруженный объектами своего класса имеют:

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

Есть гипотеза, где классы имеют

-мерные гауссовские плотности:

$p_y(x) = N(x; \mu_y; \sum y) = \frac {e^{-\frac{1}{2}(x-\mu_y)^T \sum \limits_ {y}^{-1} (x-\mu_y) } }{\sqrt {(2\pi)^n det \sum_y}}$

, где -

$y \in Y$

, то вектором матожидания класса

$y \in Y$

будет:

Есть гипотеза, где классы имеют

-мерные гауссовские плотности:

$p_y(x) = N(x; \mu_y; \sum y) = \frac {e^{-\frac{1}{2}(x-\mu_y)^T \sum \limits_ {y}^{-1} (x-\mu_y) } }{\sqrt {(2\pi)^n det \sum_y}}$

, где -

$y \in Y$

, то ковариационной матрицей класса

$y \in Y$

будет:

Константы смеси имеют

-мерные нормальные распределения

$\varphi(x;\Theta_j) = N(x;\mu_j,\Sigma_j)$

с параметрами

$\Theta_j = (\mu_j,\Sigma_j)$

, где

$\Sigma_j \in R^{n \times n}$

- это:

Константы смеси имеют

-мерные нормальные распределения

$\varphi(x;\Theta_j) = N(x;\mu_j,\Sigma_j)$

с параметрами

$\Theta_j = (\mu_j,\Sigma_j)$

, где

$\mu_j \in R^n$

- это: