Алгоритмы интеллектуальной обработки больших объемов данных

<<- Назад к вопросам

Что из этого является видом модели классификации?

(Ответ считается верным, если отмечены все правильные варианты ответов.)

Варианты ответа

k-means

Дискриминантные модели(Верный ответ)

Скользящая средняя

Функции решения(Верный ответ)

Генеративные модели(Верный ответ)

Похожие вопросы

В модели линейной регрессии h(x,w) чем является w?

Назовите типы моделей классификации в порядке убывания сложности

Уважите преимущества вероятностных моделей (дискриминативные и генеративная модели ) ?

Согласно стандартной модели зрительной коры головного мозга, считается что?

Дан единичный квадрат с координатами вершин (0;0), (0;1), (1;1), (1;0). При этом первая и третья вершины относятся к классу "-1", а вторая и четвертая – "1". Требуется построить классификатор, получающий на входе координату вершины, а на выходе дающий метку класса (задача XOR). Функция потерь определяется числом неправильно классифицированных вершин с учетом их веса. В результате применения алгоритма AdaBoost были построены три модели со следующими разделяющими границами: (1) прямая, проходящая через точки (1/2;0) и (0;1/2), (2) прямая, проходящая через точки (1/2;1) и (1;1/2), (3) прямая, проходящая через точки (1/2;1) и (0;1/2). Изначально веса вершин одинаковы и равны 1/4, далее они пересчитываются в соответствии с алгоритмом. Укажите получившиеся веса первой, второй и третьей модели соответственно:

В формуле линейной модели "W" означает следующее $h(x,w)=w_{0}+w_{1}x_{1}+\cdot +w_{M}x_{M}=\sum\limits_{j=0}\limits^{M}(w_{j}x_{j})$

В обобщенной формуле обучения модели learning= representation +Evaluation+ optimization критериями Evaluation являются

Для оценки "натренированной" модели на эффективность ее применения, используется тестирование на независимой выборке. Какой из алгоритмов проверки "тренируется" на всем количестве данных, при условии многократного повторения?

Что из этого не нужно сэмплировать: скрытый слой, видимой слой, значения скрытого слоя, значения видимого слоя

Выберите оптимальный параметр для следующей модели согласно принципу ML (Maximum Likelihood / Максимальное правдоподобие): "Вероятность того что идет дождь если есть тучи сильнее, чем вероятность того что идет дождь, если туч нет":