A) Gałąź sztucznej inteligencji, która umożliwia maszynom uczenie się na podstawie danych. B) Język programowania używany do projektowania chipów komputerowych. C) Rodzaj oprogramowania używanego do grania w gry wideo. D) Metoda kontrolowania maszyn fizycznych za pomocą danych wprowadzanych przez człowieka.
A) Klasyfikacja B) Drzewa decyzyjne C) Klastrowanie D) Regresja liniowa
A) Przechowywanie informacji do wykorzystania w przyszłości. B) Trenowanie sieci przy użyciu wstecznej propagacji. C) Wprowadzenie nieliniowości do sieci. D) Bezpośrednia konwersja danych wejściowych na wyjściowe.
A) K-Means B) SVM C) Q-Learning D) Losowy las
A) Drzewa decyzyjne B) Naiwny Bayes C) Analiza głównych składowych (PCA) D) Gradient zejścia
A) Ilościowo określa różnicę między wartościami przewidywanymi a rzeczywistymi. B) Wybiera najlepsze funkcje dla modelu. C) Normalizuje dane przed treningiem. D) Optymalizuje model przy użyciu propagacji wstecznej.
A) Ocena modelu za pomocą walidacji krzyżowej. B) Trenowanie modelu bez żadnych danych. C) Regulacja modelu w celu uniknięcia nadmiernego dopasowania. D) Proces wybierania i przekształcania funkcji wejściowych w celu poprawy wydajności modelu.
A) Aby kontrolować szybkość uczenia się modelu. B) Aby oddzielić różne klasy w przestrzeni wejściowej. C) Aby zminimalizować funkcję straty podczas treningu. D) Aby dodać szum do danych.
A) Powielanie danych B) Dodawanie szumu do danych C) Ignorowanie brakujących danych D) Imputacja
A) Kompromis między niedopasowaniem a nadmiernym dopasowaniem. B) Kompromis między dokładnością a precyzją. C) Równowaga między czasem treningu a wydajnością modelu. D) Równowaga między złożonością modelu a uogólnialnością.
A) Entropia krzyżowa B) Średni błąd kwadratowy (MSE) C) Średni błąd kwadratowy (RMSE) D) Utrata dziennika
A) R-kwadrat B) Średni błąd bezwzględny C) Dokładność D) Błąd średniokwadratowy
A) Usuwanie kluczowych funkcji B) Regulacja C) Zwiększenie złożoności modelu D) Trening modelu na większej ilości danych
A) Sprawdzanie złożoności obliczeniowej B) Korzystanie tylko z danych treningowych C) Walidacja krzyżowa D) Zgadywanie
A) Propagacja wsteczna B) Normalizacja wsadowa C) Wczesne zatrzymanie D) Losowa inicjalizacja
A) Grupowanie metodą K-średnich B) Maszyna wektorów nośnych (SVM) C) Analiza głównych składowych (PCA) D) Regresja liniowa
A) Klastrowanie B) Regresja C) Klasyfikacja D) Redukcja wymiarowości
A) Wyszukiwanie w siatce B) Skupienie się na pojedynczym hiperparametrze C) Losowy wybór hiperparametrów D) Ignorowanie hiperparametrów
A) Naiwny Bayes B) Grupowanie metodą K-średnich C) SVM (Support Vector Machine) D) Las izolacyjny
A) Regresja liniowa B) Drzewo decyzyjne C) Grupowanie metodą K-średnich D) Analiza składowych głównych
A) PCA (analiza głównych składowych) B) K-najbliższych sąsiadów (KNN) C) SMOTE (Syntetyczna technika nadpróbkowania mniejszości) D) AdaBoost
A) Gradient zejścia B) Skalowanie funkcji C) Normalizacja wsadowa D) Porzucenie |