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