maskinlæring overvåket eksamensoppgaver

Hva er overvåket læring?

En type maskinlæring der modellen trenes på merket data, hvor både inngangs- og utgangsverdier er kjent.

Definer 'merket data'.

'Merket data' refererer til datasett der hver observert verdi er tilknyttet en spesifikk utgangsværdi, for eksempel kategorier eller kontinuerlige tall.

Sant eller usant: Overvåket læring krever ingen merking av data.

Usant. Overvåket læring krever merket data for å trene modellen korrekt.

Hva er målet med overvåket læring?

Å lære en funksjon som kan forutsi utgangsverdier basert på nye inndata. – Forbedre nøyaktighet, – Minimere feil.

Forklar treningssett og testsett.

Treningssett er data brukt til å trene modellen, mens testsett er data brukt for å evaluere modellens ytelse.

Krav for overvåket læring?

1. Merket data, 2. Tydelige mål, 3. Passende algoritme.

Gi et eksempel på overvåket læring.

Forutsi boligpriser basert på størrelsen og beliggenheten til huset med historiske salgsdata.

Hva er 'overfitting'?

Når en modell er for kompleks, og lærer støy i treningsdataene i stedet for den underliggende trenden.

Sammenlign regresjon og klassifisering.

Regresjon forutsier kontinuerlige verdier, mens klassifisering forutsier kategoriske verdier.

Fyll inn det tomme: Overvåket læring krever ________ for trening.

merket data

Hva er en tap funksjon?

En matematisk funksjon som måler forskjellen mellom modellens prediksjoner og de faktiske verdiene. – Brukes for å optimalisere modellen.

Hvorfor er kryssvalidering viktig?

For å vurdere modellens generaliseringsevne ved å bruke forskjellige deler av dataene for trening og testing.

Definer 'generaliserbarhet'.

Evnen til en modell til å yte godt på usette data, ikke bare på treningsdataene.

Hva er en beslutningstre?

En modell som bruker en struktur av noder og grener for å ta beslutninger basert på inndata. – Enkel å forstå.

Sant eller usant: En høyere kompleksitet alltid gir bedre ytelse.

Usant. Høy kompleksitet kan føre til overfitting og dårlig generalisering.

Hva er 'hyperparametere'?

Parameterne som må settes før treningen begynner, som læringsrate og antall skjulte lag.

Hva er lineær regresjon?

En metode for å modellere forholdet mellom en avhengig variabel og en eller flere uavhengige variabler. Bruker en rett linje for prediksjon.

Beskriv logistisk regresjon.

En statistisk metode for binær klassifisering. Den estimerer sannsynligheten for en hendelse ved hjelp av en logistisk funksjon.

Sann eller usann: Beslutningstrær er lett å tolke.

Sant. Beslutningstrær gir en visuell fremstilling av beslutningsprosessen, noe som gjør dem intuitive.

Hva er forskjellen mellom beslutningstrær og random forests?

Beslutningstrær bruker ett enkelt tre, mens random forests bruker en samling av trær for å bedre prediksjon og redusere overtilpasning.

Fullfør setningen: Støttevektormaskiner (SVM) søker å...

...finn den hyperplan som best separerer ulike klasser i datasettet.

Beskriv k-nearest neighbors (k-NN).

En ikke-parametrisk metode som klassifiserer datapunkter basert på de k nærmeste naboene. Enkel å implementere og forstå.

Hva er formelen for kostnadsfunksjon i lineær regresjon?

Kostnadsfunksjonen er: $\displaystyle J(\theta) = \frac{1}{2m} \sum_{i=1}^{m} (h(\theta^Tx^{(i)}) - y^{(i)})^2$

Beskriv naive Bayes-klassifisering.

En enkel probabilistisk klassifiseringsmetode som antar at egenskapene er uavhengige gitt klassen. Effektiv for tekstklassifisering.

Hva er gradient descent?

En optimaliseringsalgoritme for å minimere kostnadsfunksjonen ved å iterativt oppdatere modellparametrene i retning av negativ gradient.

Sann eller usann: Klyngeanalyse er en overvåket metode.

Usann. Klyngeanalyse er en ikke-overvåket metode som grupperer data basert på likheter.

Hva er en fordel med ensemble-metoder?

De kombinerer flere modeller for å forbedre nøyaktigheten og robustheten, noe som reduserer overtilpasning.

Beskriv regresjonsskoger.

En ensemblemetode som bruker gjennomsnittet av flere beslutningstrær for å forutsi kontinuerlige utfall. Reduserer varighet av enkelttrær.

Hva er forskjellen mellom overvåket og ikke-overvåket læring?

Overvåket læring bruker merket data for å trene modeller, mens ikke-overvåket læring finner mønstre i umerkede data.

Fullfør setningen: Nevrale nettverk er inspirert av...

...den menneskelige hjernens struktur og fungerer ved å lære komplekse mønstre gjennom lag av noder.

Hva er formålet med regulering i modeller?

Å forhindre overtilpasning ved å legge til en straff for store koeffisientverdier i kostnadsfunksjonen.

Gi et eksempel på en evalueringsteknikk.

Kryssvalidering er en populær metode for å estimere modellens ytelse ved å dele datasettet i trenings- og testsett flere ganger.