База ответов ИНТУИТ

Машинное обучение

<<- Назад к вопросам

Чему соответствует прямоугольное ядро
k(z)=\frac{1}{2}[|z|<1]

(Отметьте один правильный вариант ответа.)

Варианты ответа
\hat p_h (x) = \frac{1}{m} \sum_{\limits{i=1}}^m [ x_i = x]
p(x)=\lim_{\limits{h\to 0}} \frac {1}{2h} P [x-h, x+h]
\hat p_h (x) = \frac{1}{2mh} \sum_{\limits{i=1}}^m [ |x-x_i| < h]
(Верный ответ)
\hat p_h(x) = \frac {1}{mh} \sum _{\limits{i=1}}^m k(\frac{x-x_i}{h})
Похожие вопросы
Чему соответствует точечное ядро
k(z)=[z=0]
при единичной ширине окна
h=1
:
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 используется квартическое ядро
\hat K(\varepsilon) = K_Q(\frac{\varepsilon}{6med\{ \varepsilon_i \}})
, где
med\{ \varepsilon_i \}
- медиана вариационного ряда ошибок, то это называют:
Есть гипотеза, где классы имеют
n
-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:
Есть гипотеза, где классы имеют
n
-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:
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)
?
Как называется вектор условных вероятностей
q_{t_r} = q(t|r)
, если данный ресурс
r
соответствует теме
t \in T
?
Если в семействе А выделена последовательность подсемейств возрастающей ёмкости
A_1 \subset A_2 \subset ... \subset A_h = A
и в ней можно выбрать оптимальное подсемейство, для которого достигается минимальное значение правой части из формулы
\nu (\mu(X^l), X^k) < \nu (\mu(X^l), X^l) + \sqrt{\frac{n}{l}(ln \frac{2l}{n}+1) - \frac{ln n}{l}}
, то этот метод называют:
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 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: