Росдистант ТГУ. Системы искусственного интеллекта 2. Контрольные мероприятия. Итоговый тест
Вопрос 1
С помощью библиотеки Sklearn на основе алгоритма CART производится
построение дерева классификации с использованием стандартных
параметров. Для этого с использованием библиотеки Pandas осуществляется
загрузка обучающей выборки данных из файла data.csv, который содержит
значения атрибутов (A1, A2, A3,A4, A5, A6) и метки классов (C).
Требуется определить коэффициенты значимости каждого атрибута (с
использованием feature_importances_) и в качестве ответа записать
максимальное значение коэффициента. Ответ требуется округлить с
помощью функции round() до 3 знаков и записать через символ.
Вопрос 2
С использованием библиотеки Pandas осуществляется загрузка обучающей
выборки данных из файла data.csv. Последний столбец в загруженных
данных отвечает за метку класса (столбец C), остальные столбцы отвечают
за атрибуты (столбцы A1, A2 A3) . Загруженные данные используются для
построения дерева классификации. При этом применяется библиотека
Sklearn, а построение дерева осуществляется по алгоритму CART. Требуется
определить условие разбиения данных в корневом узле. Примеры записи
ответов: A3 <= -1.625 или A2 <= -6.359.
Вопрос 3
С использованием библиотеки Pandas осуществляется загрузка обучающей
выборки данных из файла data.csv. Последний столбец в загруженных
данных отвечает за метку класса (столбец C), остальные столбцы отвечают
за атрибуты (столбцы A1, A2, A3). Загруженные данные используются для
построения дерева классификации. При этом применяется библиотека
Sklearn, а построение дерева осуществляется по алгоритму CART. Требуется
определить условие разбиения данных в корневом узле. Примеры записи
ответов: A3 <= -1.625 или A2 <= -6.359.
Вопрос 4
Требуется рассчитать выходной сигнал полносвязной двухслойной
нейронной сети прямого распространения. Количество нейронов в первом
слое равно двум, количество нейронов во втором слое равно одному.
Функция активации всех нейронов – сигмоид. Значения всех весовых
коэффициентов равны 0,5, смещение всех нейронов равно 0,5. Ответ
требуется округлить с помощью функции round() до 2 знаков и записать через
символ. Вектор входных сигналов X:
X = [-0.4 -0.63 -0.35 0.33].
Вопрос 5
Требуется рассчитать выходной сигнал полносвязной двухслойной
нейронной сети прямого распространения. Количество нейронов в первом
слое равно двум, количество нейронов во втором слое равно одному.
Функция активации всех нейронов – сигмоид. Значения всех весовых
коэффициентов равны 0,5, смещение всех нейронов равно 0,5. Ответ
требуется округлить с помощью функции round() до 2 знаков и записать через
символ. Вектор входных сигналов X:
X = [-0.97 -0.45 -0.64 -0.46].
Вопрос 6
С помощью библиотеки Sklearn на основе алгоритма CART производится
построение дерева классификации с использованием стандартных
параметров. Для этого с использованием библиотеки Pandas осуществляется
загрузка обучающей выборки данных из файла data.csv, который содержит
значения атрибутов (A1, A2, A3, A4, A5, A6) и метки классов (C).
Требуется определить коэффициенты значимости каждого атрибута (с
использованием feature_importances_) и в качестве ответа записать
максимальное значение коэффициента. Ответ требуется округлить с
помощью функции round() до 3 знаков и записать через символ.
Вопрос 7
Нейронная сеть состоит из единственного нейрона с сигнатурной функцией
активации. Нейронная сеть инициализирована вектором весовых
коэффициентов W и значением смещения b. После инициализации
проводится обучение нейронной сети по методу дельта-правила с
использованием выборки, состоящей из входных сигналов A1, A2, A3, и с
ожидаемыми выходными значениями D1, D2, D3. Последовательность подачи
входных сигналов: первая итерация обучения – A1, вторая итерация обучения
– A2, третья итерация обучения – A3. Коэффициент скорости обучения n
равен 0.2. Требуется рассчитать сумму весовых коэффициентов W и
смещения b нейрона после третьей итерации обучения. Ответ требуется
округлить с помощью функции round() до 2 знаков и записать через символ.
( Итог 40 вопросов)
