A) Un tipo di software utilizzato per giocare ai videogiochi. B) Un metodo per controllare macchine fisiche utilizzando l'input umano. C) Un linguaggio di programmazione utilizzato per la progettazione di chip per computer. D) Un ramo dell'intelligenza artificiale che consente alle macchine di imparare dai dati.
A) Raggruppamento B) Regressione lineare C) Alberi decisionali D) Classificazione
A) Addestramento della rete mediante backpropagation. B) Conversione diretta dell'ingresso in uscita. C) Introdurre la non linearità nella rete. D) Memorizzare le informazioni per un uso futuro.
A) SVM B) Q-Learning C) K-Means D) Foresta casuale
A) Discesa graduale B) Baia ingenua C) Alberi decisionali D) Analisi delle componenti principali (PCA)
A) Quantifica la differenza tra i valori previsti e quelli effettivi. B) Normalizza i dati prima dell'addestramento. C) Seleziona le caratteristiche migliori per il modello. D) Ottimizza il modello utilizzando la retropropagazione.
A) Il processo di selezione e trasformazione delle caratteristiche di input per migliorare le prestazioni del modello. B) Valutazione del modello mediante convalida incrociata. C) Regolarizzazione del modello per evitare l'overfitting. D) Addestramento di un modello senza dati.
A) Per separare le diverse classi nello spazio di input. B) Per minimizzare la funzione di perdita durante l'addestramento. C) Per controllare il tasso di apprendimento del modello. D) Per aggiungere rumore ai dati.
A) Indovinare B) Verifica della complessità computazionale C) Utilizzando solo i dati di addestramento D) Convalida incrociata
A) Discesa graduale B) Scala delle caratteristiche C) Abbandono D) Normalizzazione dei lotti
A) Analisi delle componenti principali (PCA) B) Regressione lineare C) Macchina vettoriale di supporto (SVM) D) Raggruppamento K-means
A) PCA (Analisi delle componenti principali) B) Vicini di K (KNN) C) SMOTE (Tecnica di sovracampionamento della minoranza sintetica) D) AdaBoost
A) Albero decisionale B) Regressione lineare C) Raggruppamento K-means D) Analisi delle componenti principali
A) Foresta di isolamento B) SVM (macchina vettoriale di supporto) C) Baia ingenua D) Raggruppamento K-means
A) Entropia incrociata B) Errore quadratico medio (RMSE) C) Perdita di tronco D) Errore quadratico medio (MSE)
A) Regolarizzazione B) Rimozione delle funzioni chiave C) Aumentare la complessità del modello D) Addestramento del modello su più dati
A) Aggiunta di rumore ai dati B) Ignorare i dati mancanti C) Imputazione D) Duplicazione dei dati
A) Retropropagazione B) Normalizzazione dei lotti C) Arresto anticipato D) Inizializzazione casuale
A) Regressione B) Riduzione della dimensionalità C) Raggruppamento D) Classificazione
A) Il compromesso tra accuratezza e precisione. B) Il compromesso tra underfitting e overfitting. C) L'equilibrio tra tempo di formazione e prestazioni del modello. D) L'equilibrio tra complessità del modello e generalizzabilità.
A) Selezione casuale degli iperparametri B) Ignorare gli iperparametri C) Concentrarsi su un singolo iperparametro D) Ricerca a griglia
A) Precisione B) Errore quadratico medio C) Quadrato R D) Errore assoluto medio |