База ответов ИНТУИТ

Машинное обучение

<<- Назад к вопросам

На предположении, что плотность распределения известна с точностью до параметра,
p(x) = \varphi (x, \Theta)
, где
\varphi
- фиксированная функция, основано:

(Отметьте один правильный вариант ответа.)

Варианты ответа
параметрическое восстановление плотности
восстановление смеси плотностей
эмпирическая оценка плотности
непараметрическое восстановление плотности(Верный ответ)
Похожие вопросы
Верно ли утверждение. Функции правдоподобия принадлежат параметрическому семейству распределений
\varphi(x;\Theta)
и отличаются только значениями параметра
p_j(x) = \varphi(x;\Theta)
.
Как будет называться закономерность
\varphi
, если
n_c(\varphi)=0
?
Как будет называться закономерность
\varphi
, если
n_c(\varphi)>0
?
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]?
Константы смеси имеют
n
-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
n
-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:
Какой алгоритм пытается улучшить конъюнкцию
\varphi
, удаляя или заменяя по одному терму?
Плотность распределения на
X
имеет вид смеси
k
распределений
p(x) = \sum_{j=1}^k w_j p_j(x), \sum_{j=1}^k w_j = 1, w_j \ge 0
, где
w_j(x)
- это:
Плотность распределения на
X
имеет вид смеси
k
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:
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: