База ответов ИНТУИТ

Машинное обучение

<<- Назад к вопросам

Действительно ли, что метод XR слабо чувствителен к выбору
C, \gamma
?

(Отметьте один правильный вариант ответа.)

Варианты ответа
Да(Верный ответ)
Нет
Похожие вопросы
К какому алгоритму относится недостаток настройки двух параметров
C, \gamma
?
Как называют априорную вероятность вида:
q_m = \frac{\gamma}{1+\gamma+\varepsilon}
?
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:
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:
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:
Определите название данной задачи: имеется метод обучения
\mu_G
использующий только признаки из заданного набора признаков
G \subseteq F=\{f_1,...,f_n\}
. Требуется найти набор признаков, при котором алгоритм
a=\mu_G(X^l)
имеет наилучшую обобщающую способность.
Для чего вводится параметрическое семейство априорных распределений
p(w; \gamma)
?
Как называют априорную вероятность вида:
q_r = \frac{1}{1+\gamma+\varepsilon}
?
Для чего вводится параметрическое семейство априорных распределений
p(w; \gamma)
?
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)
?