Documente Academic
Documente Profesional
Documente Cultură
2. Cum se actualizează poziția unui centru cj într-un pas al algoritmului k-medii (k-means)?
a) Poziția instanței celei mai depărtate de toate celelalte centre
b) Poziția instanțelor care reprezintă valori extreme
c) Poziția unor instanțe alese aleatoriu
d) Media aritmetică a pozițiilor instanțelor pentru care cj este cel mai apropiat centru
3. Care din următoarele metode reprezintă criterii de omogenitate care pot fi folosite de
algoritmii care generează arbori de decizie?
a) Entropia sau indexul Gini
b) Cei mai apropiați vecini
c) Validarea încrucișată (cross-validation)
d) Corecția Laplace
4. Ce se poate spune despre natura algoritmului kNN (cei mai apropiați k vecini), comparativ cu
un algoritm de inducție a arborilor de decizie (DT, decision tree)?
a) kNN este un clasificator activ (eager learner) iar DT este un clasificator pasiv (lazy learner)
b) kNN și DT sunt clasificatoare active (eager learners)
c) kNN este un clasificator pasiv (lazy learner) iar DT este un clasificator activ (eager
learner)
d) kNN și DT sunt clasificatoare pasive (lazy learners)
8. Pentru regresia liniară, dacă avem funcția obiectiv J(w) = 1/2 * Σi (w1 + w2 * xi – yi)2, care sunt
expresiile gradienților celor doi parametri? (ei reprezintă eroarea pentru instanța i)
a) δJ / δw1 = Σi (ei * yi), iar δJ / δw2 = Σi (ei * xi)
b) δJ / δw1 = Σi (ei * xi), iar δJ / δw2 = Σi (ei)
c) δJ / δw1 = Σi (ei * xi * yi), iar δJ / δw2 = Σi (ei * xi)
d) δJ / δw1 = Σi (ei), iar δJ / δw2 = Σi (ei * xi)
11. Ce tip de reprezentare a cuvintelor poate încorpora relații semantice, permițând realizarea de
analogii de tipul: queen = king + (woman – man)?
a) Reprezentarea prin vectori de cuvinte (word embeddings)
b) Reprezentarea atomică
c) Reprezentarea rezultată din traducere automată
d) Reprezentarea prin învățare cu întărire