Proces uczenia sieci neuronowej wiąże się (w kolejnych iteracjach algorytmu uczenia) z modyfikacją:

MLP to skrót nazwy następującego narzędzia eksploracji danych

Liczba warstw UKRYTYCH w sieci neuronowej typu RBF wynosi?

Typowy zbiór danych używany do trenowania modeli uczenia maszynowego składa się z:

Problem regresyjny polega na:

Przycinanie drzew decyzyjnych stosuje się w celu:

Przyjęcie metryki L1 (metryki Manhattan) sprawia, że okręgi przyjmują kształt:

Rolą pojedynczego neuronu w warstwie perceptronu użytego do klasyfikacji jest:

Problem klasyfikacyjny polega na:

Oryginalna zmienna x przyjmuje trzy wartości: -2, 1, 4. Po przeprowadzeniu normalizacji tej zmiennej wg metody min-max do przedziału [0, 1], oryginalnej wartości 1 odpowiada znormalizowana wartość:

Przeuczenie modelu (overfitting) można rozpoznać po tym, że:

Problem klasteryzacyjny polega na:

Metoda K najbliższych sąsiadów wybiera sąsiadów analizowanego punktu:

Która z poniższych metod NIE służy do wyznaczania odległości pomiędzy skupieniami:

Poszukiwanie zbiorów częstych jest pierwszym etapem:

Problem klasyfikacyjny można zamienić na problem regresyjny poprzez:

Sieć neuronowa Kohonena (SOM) generalnie jest przeznaczona do realizacji:

Wskaż drugi algorytm (metodę), który służy do rozwiązywania tego samego typu problemów eksploracji danych, co algorytm k-najbliższych sąsiadów:

Na etapie wstępnej eksploracyjnej analizy danych najmniej przydatne jest:

Klasyczny (perceptronowy) model neuronu posiada dwa wejścia o wagach w1=1, w2=2, na które podano odpowiednio sygnały x1=−1, x2=+1. Funkcja aktywacji jest funkcją liniową postaci y=2x. Sygnał wyjściowy neuronu wynosi: