Машинное обучение

<<- Назад к вопросам

Плотность распределения на
имеет вид смеси
распределений
$p(x) = \sum_{j=1}^k w_j p_j(x), \sum_{j=1}^k w_j = 1, w_j \ge 0$
, где
- это:

(Отметьте один правильный вариант ответа.)

Варианты ответа

-й столбец матрицы

порог

функция правдоподобия

-ой компоненты смеси;

априорная вероятность функции правдоподобия(Верный ответ)

вектор параметров

$\Theta = (w_1,...,w_k, \Theta_1,...,\Theta_k)$

Похожие вопросы

Плотность распределения на

имеет вид смеси

распределений

$p(x) = \sum_{j=1}^k w_j p_j(x), \sum_{j=1}^k w_j = 1, w_j \ge 0$

, где

p_j(x)

- это:

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

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

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 в корректирующей операции

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

, параметры

$\alpha_t$

неотрицательны и нормированы,

$\sum_{t=1} \alpha_t = 1$

, то композиция называется:

Перейти

Какой получится алгоритм, если

определить как наибольшее число, при котором ровно

ближайших соседей объекта

получают нулевые веса:

$h(u)=\rho(u,x_u^{(k+1)})$

.

Перейти

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:

Перейти

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:

Перейти

Верно ли, что любая непрерывная функция n аргументов на единичном кубе

[0,1]^n

представлена в виде суперпозиции непрерывных функций одного аргумента и операции сложения:

$f(x^1,x^2,...,x^n)=\sum_{k=1}^{2n+1}h_k(\sum_{i=1}^n \varphi_i k(x^i))$

?

Перейти

Какой алгоритм каждому правилу

$\varphi_c^t$

приписывает вес

$\alpha_c^t \ge 0$

, и при голосовании берётся взвешенная сумма голосов

$Г_c(x)=\sum_{t=1}^{T_c} \alpha_c^t \varphi_c^t(x), \alpha_c^t \ge 0$

?

Перейти