Quiz 11

Question 1

[M] Mit jelent az, hogy egy tanulás felügyelt?

• A tanító minták elvárt kimenetét is felhasználja a tanulási folyamat.
• A tanulás folyamata nem teljesen automatikus.
• A tanulás folyamatát módosítani kell, ha az elvárt kimenet eltér a számítottól.
• A tanulási folyamatnak ki kell számolni a tanító minták elvárt kimenetét is.

Answer 1

• A tanító minták elvárt kimenetét is felhasználja a tanulási folyamat.

Question 2

[M] Mit jelent az, hogy egy tanulás felügyelet nélküli?

• A tanulás folyamata teljesen automatikus.
• A tanító minták elvárt kimenetét automatikusan számolja a tanulás módszere.
• A tanulásnak nincs szüksége a tanító minták elvárt kimenetére.
• A tanító mintákra kiszámolt kimenet eltérhet az elvárt kimenettől.

Answer 2

• A tanulásnak nincs szüksége a tanító minták elvárt kimenetére.

Question 3

[S] Mit jelent a zaj a tanító minták esetén?

• Amikor két vagy több eltérő attribútumokkal rendelkező minta elvárt kimenetei megegyeznek.
• Amikor a tanítóminták elvárt kimenetének jelentése elmosódott.
• Amikor azonos attribútumokkal rendelkező minták eltérő elvárt kimenetekkel rendelkeznek.
• Amikor a tanítóminták elvárt kimenete hasonló.

Answer 3

• Amikor azonos attribútumokkal rendelkező minták eltérő elvárt kimenetekkel rendelkeznek.

Question 4

[S] Különböző tanító minták halmazának mikor a legkisebb az információ (entrópia) tartalma a döntési fáknál?

• Ha a kimeneteik értékei mind különböznek.
• Ha a minták inputjai közötti legnagyobb távolság (valamilyen távolság metrika mellett) kisebb a legnagyobb input értéknél (ugyanazon metrika szerint).
• Ha a minták kimeneti értékei közötti legnagyobb távolság (valamilyen távolság metrika mellett) kisebb a legnagyobb kimeneti értéknél (ugyanazon metrika szerint).
• Ha mind azonos kimeneti értékkel rendelkezik.

Answer 4

• Ha mind azonos kimeneti értékkel rendelkezik.

Question 5

[S] Hogyan értékelünk ki a döntési fa építése során egy levélcsúcsot akkor, ha nem tartoznak hozzá tanító minták?

• A szülőcsúcsához tartozó attribútumok alapján.
• A csúcshoz tartozó attribútumok alapján, ha vannak ilyenek, különben véletlenszerű értéket kap.
• A szülőcsúcsához tartozó tanítóminták alapján.
• Ilyen eset nem fordulhat elő.

Answer 5

• A szülőcsúcsához tartozó tanítóminták alapján.

Question 6

[M] A döntési fa építése során az alábbiak közül milyen csúcsok fordulhatnak elő a fában ?

• Kiértékeletlen levélcsúcsok.
• Kiértékelt levélcsúcsok.
• Attribútummal címkézett belső csúcsok.
• Attribútummal címkézett levél csúcsok.

Answer 6

• Kiértékeletlen levélcsúcsok.
• Kiértékelt levélcsúcsok.
• Attribútummal címkézett belső csúcsok.

Question 7

[M] Mely állítások igazak a döntési fára?

• Ágai egy probléma lehetséges megoldását adják.
• Gyökércsúcsa a kiinduló problémát reprezentálja.
• Egy csúcsból kivezető élei a csúcs attribútumának lehetséges értékeit szimbolizálják.
• Belső csúcsai egy-egy attribútumot reprezentálnak.

Answer 7

• Egy csúcsból kivezető élei a csúcs attribútumának lehetséges értékeit szimbolizálják.
• Belső csúcsai egy-egy attribútumot reprezentálnak.

Question 8

[M] Mely állítások igazak a döntési fa módszerére?

• Optimális megoldást ad.
• A mintákat a válaszadásnál is ismerni kell.
• A tanulási idő hosszú.
• A válaszadási idő rövid.

Answer 8

• A tanulási idő hosszú.
• A válaszadási idő rövid.

Question 9

[M] Mely állítások igazak k-legközelebbi szomszéd módszerére?

• A megtanult paraméter a minták összessége.
• A tanulási idő hosszú.
• A válaszadási idő rövid.
• Egyszerű implementálni.

Answer 9

• A megtanult paraméter a minták összessége.
• Egyszerű implementálni.

Question 10

[M] Milyen felügyelt tanulási módszereket ismert meg a kurzuson?

• k-legközelebbi szomszéd módszere.
• k-közép módszer.
• Error backpropagation algoritmus.
• Véletlen erdő módszere.

Answer 10

• k-legközelebbi szomszéd módszere.
• Véletlen erdő módszere.
• Error backpropagation algoritmus.

Question 11

[M] Hol jutott szerepe a véletlennek a véletlen erdő módszerében?

• Az erdő egy fájának felépítéséhez a minták attribútumai közül véletlen választott attribútumokat használ.
• Az erdő egy fájának felépítéséhez a minták véletlen választott részhalmazát használja.
• Az erdő fáinak számát véletlen módon határozzák meg.
• A fa egy csúcsához rendelt attribútumot véletlen módon választja ki.

Answer 11

• Az erdő egy fájának felépítéséhez a minták attribútumai közül véletlen választott attribútumokat használ.
• Az erdő egy fájának felépítéséhez a minták véletlen választott részhalmazát használja.

Question 12

[P] Mely fogalmak kapcsolhatók össze az alábbiak közül a gépi tanulás témakörében?

felügyelt tanulás			        véletlen erdő
kereszt entrópia			        osztályozási feladat
döntési fa					tanító minták elvárt kimenet
k-közép módszer				2-es norma

Answer 12

felügyelt tanulás			        tanító minták elvárt kimenet
kereszt entrópia			        2-es norma
döntési fa					véletlen erdő
k-közép módszer				osztályozási feladat