Машинное обучение классификация и кластеризация_Машинное обучение Python Синергия Ответы МТИ Тесты

Скачать тест: Машинное обучение классификация и кластеризация_Машинное обучение Python Синергия Ответы МТИ Тесты.pdf

1. Что такое логистическая регрессия?

2. Зачем используется функция сигмоиды в логистической регрессии?

3. Как называется функция, которая минимизируется в случае логистической регрессии?

4. Что представляет собой дерево решений?

5. Какие типы переменных могут использоваться при построении деревьев решений?

6. Что такое энтропия в контексте деревьев решений?

7. В чем основное отличие машинного обучения без учителя от машинного обучения с учителем?

8. Какие методы относятся к машинному обучению без учителя?

9. Какая функция используется для оптимизации параметров в логистической регрессии?

10. Чем характеризуется понятие «прирост информации» в контексте построения деревьев решений?

11. Что измеряет метрика accuracy?

12. Что такое аномалии в контексте машинного обучения без учителя?

13. Какие задачи можно решать с помощью кластеризации в машинном обучении без учителя?

14. Что измеряет метрика recall (полнота)?

15. Что измеряет метрика precision (точность)?

16. Что представляет собой метод кластеризации «иерархическая кластеризация»?

17. Что представляет собой F1-мера?

18. Что такое «решающая граница» в контексте логистической регрессии?

19. Какой принцип лежит в основе метода ближайших соседей?

20. Что такое confusion matrix (матрица ошибок) в контексте оценки качества классификации?

21. Что такое гиперпараметр k в методе ближайших соседей?

22. Какая основная цель кластеризации в машинном обучении без учителя?

23. Что такое функция активации в логистической регрессии?

24. Что такое «энтропия» в контексте деревьев решений?

25. Какие проблемы могут возникнуть при использовании метода ближайших соседей?

26. Что такое взвешенный метод ближайших соседей?