Strona 2
Programowanie systemów rozproszonych
Pytanie 9
.Argumentem funkcji aktywacji neuronu typu RBF jest
suma sygnałów x1 + x2 + ... wektora wejściowego x
odległość wektorów: wejściowego x i wag w
iloczyn skalarny wektorów: wejściowego x i wag w
ważona liczba wejść danego neuronu
Pytanie 10
Przeuczenie modelu (overfitting) można rozpoznać po tym, że
szybkość uczenia się modelu zaczyna spadać w kolejnych iteracjach
trafność predykcji modelu przekracza poziom 99.73%
w procesie uczenia zaczyna rosnąć błąd dla próby testowej
liczba błędnie zaklasyfikowanych przypadków spada do 0
Pytanie 11
Na etapie wstępnej eksploracyjnej analizy danych najmniej przydatne jest
wizualne porównanie współzależności par zmiennych
wygenerowanie histogramów zmiennych ciągłych
użycie metod nienadzorowanej klasteryzacji
zliczenie wystąpień wartości zmiennych nominalnych
Pytanie 12
.Iloczyn skalarny wektora cech z pewnym wektorem wag można traktować jako formę
regresji liniowej
ekstrakcji cech
obrotu w przestrzeni cech
redukcji wymiarowości
Pytanie 13
Metoda wzmacniania gradientowego (gradient boosting) służy do
generowania dodatkowych sztucznych próbek w zbiorach uczących
przyspieszania procesu uczenia głębokich sieci neuronowych
budowania mocnego modelu złożonego z wielu słabszych modeli
zwiększania kontrastu pomiędzy blisko leżącymi klastrami
Pytanie 14
Problem klasteryzacyjny polega na
poszukiwaniu granic oddzielających obserwacje różnych klas
identyfikacji skupisk zgodnie z pewnym kryterium podobieństwa
grupowaniu cech obserwacji w skorelowane ze sobą zespoły
predykcji przynależności danej obserwacji do różnych klas
algorytmu wstecznej propagacji błędów
Pytanie 15
Wskaż drugi algorytm (metodę), który służy do rozwiązywania tego samego typu problemów eksploracji danych, co algorytm k-najbliższych sąsiadów
algorytm PCA (analiza głównych składowych)
algorytm k-średnich
algorytm CART (drzewa klasyfikacyjne i regresyjne)
algorytm Kohonena (sieć neuronowa typu SOM)
Pytanie 16
Poszukiwanie zbiorów częstych jest pierwszym etapem
algorytmu wstecznej propagacji błędów
algorytmu k-średnich
algorytmu k-najbliższych sąsiadów
algorytmu A priori