Машинное обучение

<<- Назад к вопросам

Как определить функционал в качестве вероятности частоты ошибок на контроле превышающее заданное число
$\epsilon \in [0,1]$
?

(Отметьте один правильный вариант ответа.)

Варианты ответа

$Q_c (\mu, X^l) = E_n V_n^k = \frac{1}{N}\sum_{n=1}^N V_n^k$

;

$Q_\epsilon (\mu, X^l) = P_n \{\delta(\mu, X_n^l, X_n^k) > \epsilon\} = \frac{1}{N}\sum_{n=1}^N[V_n^k - V_n^l > \epsilon]$

;

$\tilde Q_ \epsilon (\mu, X^l) = P_n \{V_n^k > \epsilon\} = \frac{1}{N} \sum_{n=1}^N[v_n^k > \epsilon]$

.(Верный ответ)

Похожие вопросы

Как будет выглядеть формула вероятности, когда переобученность превышает допустимый порог

$\epsilon$

?

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

Функционал

$Q_{int}(\mu, X^l)$

, характеризующий качество метода

$\mu$

по обучающей выборке

X^l

называют:

Перейти

Как будет выглядеть формула вероятности ошибки в интерпретации обобщающей способности метода

$\mu$

, если взять матожидание по выборке

X^l

от функционала

Q_с

?

Перейти

Как называется функционал

$CV(\mu, X^l)=\frac{1}{N}\sum_{n=1}^{N}Q(\mu(X_n^l), X_n^k)$

?

Перейти

От чего зависит функционал стресса

S(X^l)

?

Перейти

Как определяется следующий функционал

$Q_c (\mu, X^l) = E_n V_n^k = \frac{1}{N}\sum_{n=1}^N V_n^k$

?

Перейти

В формуле совместной плотности

p(x,y) = p(x) P(y|x) = P(y)p(x|y)

функцией апостеорной вероятности класса

будет функция:

Перейти

В формуле совместной плотности

p(x,y) = p(x) P(y|x) = P(y)p(x|y)

функцией априорной вероятности класса

будет функция:

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