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