A) Галузь штучного інтелекту, яка дозволяє машинам навчатися на основі даних. B) Тип програмного забезпечення, що використовується для гри у відеоігри. C) Мова програмування, що використовується для проектування комп'ютерних мікросхем. D) Метод управління фізичними машинами за допомогою людського втручання.
A) Кластеризація B) Дерева рішень C) Лінійна регресія D) Класифікація
A) Безпосереднє перетворення вхідних даних у вихідні. B) Навчання мережі за допомогою зворотного поширення. C) Внесення нелінійності в мережу. D) Зберігання інформації для подальшого використання.
A) К-середній показник. B) Q-Learning C) Випадковий ліс D) SVM
A) Аналіз головних компонент (PCA) B) Градієнтний спуск C) Дерева рішень D) Наївний Байєс
A) Вибирає найкращі функції для моделі. B) Нормалізує дані перед тренуванням. C) Оптимізує модель за допомогою зворотного розповсюдження. D) Кількісно визначає різницю між прогнозованими та фактичними значеннями.
A) Процес вибору та перетворення вхідних даних для покращення продуктивності моделі. B) Регулювання моделі, щоб запобігти надмірному приляганню. C) Навчання моделі без даних. D) Оцінка моделі за допомогою перехресної перевірки.
A) Додавання шуму до даних. B) Мінімізувати функцію втрат під час тренувань. C) Відокремити різні класи у вхідному просторі. D) Контролювати швидкість навчання моделі.
A) Баланс між часом навчання та продуктивністю моделі. B) Баланс між складністю моделі та можливістю її узагальнення. C) Компроміс між недостатньою та надмірною підгонкою. D) Компроміс між точністю та акуратністю.
A) Машина опорних векторів (SVM) B) Лінійна регресія C) Кластеризація K-середніх D) Аналіз головних компонент (PCA)
A) Перевірка обчислювальної складності B) Здогадуюсь. C) Перехресна перевірка D) Використовуючи лише навчальні дані
A) Ігнорування відсутніх даних B) Додавання шуму до даних C) Приписування D) Дублювання даних
A) Середня квадратична похибка B) R-квадрат C) Середня абсолютна похибка D) Точність
A) Збільшення складності моделі B) Навчання моделі на більшій кількості даних C) Регулювання D) Видалення ключових функцій
A) Розмноження B) Рання зупинка C) Випадкова ініціалізація D) Нормалізація партії
A) Випадковий вибір гіперпараметрів B) Сітковий пошук C) Фокусування на одному гіперпараметрі D) Ігнорування гіперпараметрів
A) Лінійна регресія B) Кластеризація K-середніх C) Дерево рішень D) Аналіз головних компонент
A) Перехресна ентропія B) Середньоквадратична похибка (RMSE) C) Середньоквадратична похибка (MSE) D) Втрата журналу
A) Кластеризація B) Зменшення розмірності C) Класифікація D) Регресія
A) AdaBoost B) PCA (аналіз головних компонент) C) K-найближчі сусіди (KNN) D) SMOTE (метод надмірної вибірки синтетичної меншини)
A) Ізоляційний ліс B) Наївний Байєс C) SVM (машина опорних векторів) D) Кластеризація K-середніх
A) Нормалізація пакетів B) Масштабування функцій C) Градієнтний спуск D) Відсів |