مرز دقیقی نتونستم برای سوالا پیدا کنم. معمولا این دو تا درس همپوشانی زیادی دارن. به خاطر همین اط سوال ۲۰ تا ۴۵ رو اینجا میذارم.
طبق دفترچه F
لینک دفترچه:
مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.
۲۱- گزینه ۴ - گزینه های اول و دوم کاملا شبیه هم هستن فقط در جهت عکس. هر چند اگر قدر مطلق همبستگی خیلی بزرگ باشه یه جورایی redundancy داریم ولی به راحتی میشه مثالی زد که با وجود همبستگی هم نشه صرفنظر کرد. گزینه ۳ همبستگی با لیبل هست که اگر صفر باشه میشه حذفشون کرد.
۲۲- گزینه ۱ - به نظر غلطه چون اولی در شرایطی اصلا میتونه چگالی احتمال هم نباشه (فکر کنم یه منفی باید می گذاشت) در این صورت باید حالتی رو بگیریم که میانگین ها یکی و واریانس های یکی بیشتره. با رسم کانتور یعنی دو تا بیضی داخل هم. میشه با فرمول و اینا هم در آورد گزینه ۱ رو.
۲۳- گزینه ۲ - البته مطمئن نیستم. ولی مطمئنم که یا دو یا سه غلطه. توی SVM چشمپوشی از ویژگی نداریم. وقتی داده ها خطی جداپذیر باشن با کرنل های درجه دو به بالا هم می تونن جدا بشن که البته نمیدونم بردار پشتیبان ها هم ثابت می مونه یا نه.
۲۴- گزینه ۲- برای حالت +۱ و -۱ با سه نود میشه حلش کرد. (برای صفر و یک همون XOR هست)
۲۵- گزینه ۳
فرض کنیم y1 و y2 دو نقطه در فضای جدید باشن که هر کدوم به ترتیب مربوط به x1 و x2 باشن
[tex]\left \| y_1-y_2 \right \|^2=(y_1-y_2)^T(y_1-y_2)=\\ \left \| y_1 \right \|^2-2y_1^Ty_2 \left \| y_2 \right \|^2=2-2y_1^Ty_2\leq 2[/tex]
۲۶- گزینه ۴ - دو بیضی کاملا شبیه هم یه همچین شرایطی (مرز جداسازی خطی) رو خواهند داشت.
۲۷- گزینه ۲
[tex]A^TAx=\lambda x \Leftrightarrow AA^T(Ax)=\lambda (Ax)[/tex]
۲۸- گزینه ۲ - دو تا یک سوم میشد. دیگه حسش نیست بنویسم جواب رو...
۲۹- نزدم
۳۰- گزینه ۴
۳۱- گزینه ۱ - پاسخ رگرسیون خطی دارای فرم بسته، یکتا و بهینه عمومی است.
۳۲- نزدم. به نظر غلط می رسه سوال.
۳۳- گزینه ۴ - بعد VC خط ۳ است. دومی هم طبق قبلی غلط است.
۳۴- گزینه ۱
۳۵- گزینه ۳
۳۶- گزینه ۴
۳۷- گزینه ۴
۳۸- گزینه ۱-خیلی ساده بود.
۳۹- نزدم
۴۰- نزدم
۴۱- نزدم
۴۲- گزینه ۴ - البته مطمئن نیستم
۴۳- نزدم، ولی فکر کنم بی‌نهایت بشه
۴۴- گزینه ۱ - در دومی افزایش داده احتمال بیش‌برازش را کم می کند. خطا لزوما تخمین بدبینانه نیست. مثلا در صورت بیش‌برازش اصلا مقدار خطا خیلی کم خواهد بود. در مورد آخری هم احتمال کمتر می شود. چون هرچه فضای فرضیه غنی تر باشد می توان مدل را پیچیده تر انتخاب کرد تا برازش بیشتری به داده ها داشته باشد.
۴۵- نزدم
خیلی خوب بود. من از همین جا رتبه تک رقمی شدن شما رو به شما تبریک می گم. شما همه رو زدی. من تقریبا جوابام با شما یکی بود البته خیلی کمتر از شما زدم
سوال یک سوال میان ترم شما بود درست می گم؟
در مورد یه سوال که شما نزدی سوال ۲۹/ من خونه اومدم حساب کردم با متلب هیچ کدوم نمیشه. من سر کنکور حساب کردم وقت زیادیم از من گرفت. ای کاش ازش رد میشدم. این بردارهای ویژه شرط اول بردارهای ویژه رو هم ندارن یعنی نرمشون یک نیست.
سوال ۳۵ دو میشه.
۳۳ چرا چهار میشه. بیز ساده استقلال شرطی رو درنظر می گیره که همین باعث میشه بهترین نباشه. بهترین بیز بهینه هست. در مرحله بعد شبکه بیزین و در نهایت بیز ساده. اینجا گفته توزیع رو می دونیم. هیچ حرفی از استقلال نزده
(۲۰ اسفند ۱۳۹۱ ۰۳:۴۸ ق.ظ)mahdiii نوشته شده توسط: خیلی خوب بود. من از همین جا رتبه تک رقمی شدن شما رو به شما تبریک می گم. شما همه رو زدی. من تقریبا جوابام با شما یکی بود البته خیلی کمتر از شما زدمممنون. ببینیم خدا چی می خواد.
سوال یک سوال میان ترم شما بود درست می گم؟
در مورد یه سوال که شما نزدی سوال ۲۹/ من خونه اومدم حساب کردم با متلب هیچ کدوم نمیشه. من سر کنکور حساب کردم وقت زیادیم از من گرفت. ای کاش ازش رد میشدم. این بردارهای ویژه شرط اول بردارهای ویژه رو هم ندارن یعنی نرمشون یک نیست.
سوال ۳۵ دو میشه.
۳۳ چرا چهار میشه. بیز ساده استقلال شرطی رو درنظر می گیره که همین باعث میشه بهترین نباشه. بهترین بیز بهینه هست. در مرحله بعد شبکه بیزین و در نهایت بیز ساده. اینجا گفته توزیع رو می دونیم. هیچ حرفی از استقلال نزده
سوال یک کوییز سال قبل ما بود.
سوال ۲۹ رو نمی دونم! کلا سوال کثیفی بود.
سوال ۲۵ فکر نکنم. می تونید اسلایدهای یادگیری ماشین بخش CLT رو از این جا ببینید:
مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.
سوال ۳۳ هم راستش من هم به این فکر افتادم ولی با حذف گزینه ها به ۴ رسیدم. گزینه اول بعد ۳ داره. گزینه دوم کمترین واریانس و گزینه سوم هم ممکنه به بهینه محلی بره (به خاطر Gradient Descent). البته یه چیزی که الان دیدم گزینه دوم رو فقط نوشته تخمین زن و نه تخمین زن های خطی. شاید بشه این رو هم یه جورایی گزینه درست گرفت...
۳۳ من دو زدم منم مثل شما فکر کردم. با حذف گزینه ها. گزینه یک سه تا میشه. گزینه سه هم مشخصه که تو کمینه محلی گیر می کنه. فقط بین ۴ و ۲ موندم و با استدلال اینکه در ۴ هم بیز ساده نمی تونه بهینه باشه دو زدم
در مورد سوال ۳۵، من اسلایدارو دارم. این هم یه سوال احمقانه از طراحه. دو حالت وجود داره. یکی اینه که بازه باز به این صورت باشه که نقاطی که داخل می افتند رو فقط بتونه یه رنگ بزنه مثلا سیاه و حالت دیگه اینه که بتونه هر دو رنگ رو داخل بندازه (اسلاید ۲۸)
اونجا هم نشون داده شده و vc هم یک و هم دو هست. برای دو فرضیه مختلف h1,h2 اما اینجا هیچ اطلاعی در مورد دو طرفه بودن(or) نداده و همون یک میشه.
سوال ۳۲ رو میشه با ۹ پارامتر محاسبه کرد x4 به x2,x3 وابسته است و برای بدست آوردن احتمال شرطی ۴ پارامتر رو باید محاسبه کنید و x3 , x2 هر کدوم به x1 وابسته است پس دو حالت برای هر کدوم و بدست آوردن و داشت پارامتر p(x1)
منم زدم ۹ تا ۴+۲+۲+۱ اما این ۹ تا برای محاسبه هر ترکیبی از این چهار متغیر لازمه یعنی با محاسبه این ۹ تا می تونیم هر چی رو بسازیم اما سوال گفته احتمال x1,x2,x3,x4 که برای همین حالت با چهار تا میشه
شما برای محاسبه احتمال شرطی (x2|x1) در مخرج کسر باید برای پیش شرط x1 هم true و هم false اونو داشته باشی
(۲۰ اسفند ۱۳۹۱ ۰۳:۲۱ ب.ظ)امیدوار نوشته شده توسط: شما برای محاسبه احتمال شرطی (x2|x1) در مخرج کسر باید برای پیش شرط x1 هم true و هم false اونو داشته باشی
نه ! لازم نیست. فقط کافیه احتمال (x2|x1) رو محاسبه کنی.
[tex]P(x1,x2,x3,x4)=P(x1)P(x2|x1)P(x3|x1)P(x4|x2,x3)[/tex]
خوب تنها کافیه این چهار تا رو محاسبه کنی.
۹ تا زمانی هست که تمام ترکیبات رو داری برای x1 تنها احتمال x1، برای x2 احتمال شرطی اون به شرط x1 , x1'، برای x3 هم همین طور و برای x4 هم احتمال x4 به شرط 'x2,x3 x2,x3' x2',x3 x2',x3 که اینجا فقط ۴ تا لازمه از هر کدوم یکی فقط مثبتهاش.
(۲۰ اسفند ۱۳۹۱ ۰۱:۳۳ ق.ظ)psps1368 نوشته شده توسط: مرز دقیقی نتونستم برای سوالا پیدا کنم. معمولا این دو تا درس همپوشانی زیادی دارن. به خاطر همین اط سوال ۲۰ تا ۴۵ رو اینجا میذارم.
طبق دفترچه F
لینک دفترچه:
مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.
۲۱- گزینه ۴ - گزینه های اول و دوم کاملا شبیه هم هستن فقط در جهت عکس. هر چند اگر قدر مطلق همبستگی خیلی بزرگ باشه یه جورایی redundancy داریم ولی به راحتی میشه مثالی زد که با وجود همبستگی هم نشه صرفنظر کرد. گزینه ۳ همبستگی با لیبل هست که اگر صفر باشه میشه حذفشون کرد.
۲۲- گزینه ۱ - به نظر غلطه چون اولی در شرایطی اصلا میتونه چگالی احتمال هم نباشه (فکر کنم یه منفی باید می گذاشت) در این صورت باید حالتی رو بگیریم که میانگین ها یکی و واریانس های یکی بیشتره. با رسم کانتور یعنی دو تا بیضی داخل هم. میشه با فرمول و اینا هم در آورد گزینه ۱ رو.
۲۳- گزینه ۲ - البته مطمئن نیستم. ولی مطمئنم که یا دو یا سه غلطه. توی SVM چشمپوشی از ویژگی نداریم. وقتی داده ها خطی جداپذیر باشن با کرنل های درجه دو به بالا هم می تونن جدا بشن که البته نمیدونم بردار پشتیبان ها هم ثابت می مونه یا نه.
۲۴- گزینه ۲- برای حالت +۱ و -۱ با سه نود میشه حلش کرد. (برای صفر و یک همون XOR هست)
۲۵- گزینه ۳
فرض کنیم y1 و y2 دو نقطه در فضای جدید باشن که هر کدوم به ترتیب مربوط به x1 و x2 باشن
[tex]\left \| y_1-y_2 \right \|^2=(y_1-y_2)^T(y_1-y_2)=\\ \left \| y_1 \right \|^2-2y_1^Ty_2 \left \| y_2 \right \|^2=2-2y_1^Ty_2\leq 2[/tex]
۲۶- گزینه ۴ - دو بیضی کاملا شبیه هم یه همچین شرایطی (مرز جداسازی خطی) رو خواهند داشت.
۲۷- گزینه ۲
[tex]A^TAx=\lambda x \Leftrightarrow AA^T(Ax)=\lambda (Ax)[/tex]
۲۸- گزینه ۲ - دو تا یک سوم میشد. دیگه حسش نیست بنویسم جواب رو...
۲۹- نزدم
۳۰- گزینه ۴
۳۱- گزینه ۱ - پاسخ رگرسیون خطی دارای فرم بسته، یکتا و بهینه عمومی است.
۳۲- نزدم. به نظر غلط می رسه سوال.
۳۳- گزینه ۴ - بعد VC خط ۳ است. دومی هم طبق قبلی غلط است.
۳۴- گزینه ۱
۳۵- گزینه ۳
۳۶- گزینه ۴
۳۷- گزینه ۴
۳۸- گزینه ۱-خیلی ساده بود.
۳۹- نزدم
۴۰- نزدم
۴۱- نزدم
۴۲- گزینه ۴ - البته مطمئن نیستم
۴۳- نزدم، ولی فکر کنم بی‌نهایت بشه
۴۴- گزینه ۱ - در دومی افزایش داده احتمال بیش‌برازش را کم می کند. خطا لزوما تخمین بدبینانه نیست. مثلا در صورت بیش‌برازش اصلا مقدار خطا خیلی کم خواهد بود. در مورد آخری هم احتمال کمتر می شود. چون هرچه فضای فرضیه غنی تر باشد می توان مدل را پیچیده تر انتخاب کرد تا برازش بیشتری به داده ها داشته باشد.
۴۵- نزدم
خیلی خوب جواب دادید. در اکثر موارد با شما موافقم
فقط چند تا نکته
سوال ۴۵ که شما نزدید گزینه ۴ درسته
سوال ۳۹ فکر میکنم ۱ درسته
سوال ۴۳ همونطور که خودتون گفتید گزینه ۴ و سوال ۳۵ هم با نظر آقای mahdiii موافقم که گزینه ۲ میشه.
در مورد سوال ۳۴ من فکر میکنم منظورش از میانگین خطای تخمین همون بایاس تخمین هست
و در مورد روش k-fold وقتی k افزایش پیدا میکنه واریانس زیاد ولی بایاس کم میشه
پس اگر منظور از خطا همون بایاس باشه کاهش پیدا میکنه، درسته؟
و سوال ۲۱ هم من با نظر شما موافقم که ممکنه با وجود همبستگی زیاد نتونیم یه ویژگی را حذف کنیم ولی گزینه ۴ هم میتونه غلط باشه، چون شاید یکی از ویژگی ها اصلا در تشخیص کلاس مفید نبوده و اگه حذفش کنیم تغییر زیادی در صحت کلاس بندی ایجاد نشه
بنابراین به نظر من از بین گزینه های ۱ و۴ گزینه ۱ کلی تره. البته شاید هم اینطور نباشه، این نظر منه.
سلام حل کامل سوالای دکترای هوش ۹۱ و۹۲ رو از کجا میتونم تهیه کنم؟
از مدرسان شریف پک کاملش رو خریدم کلی پول دادم با ۶ماه تاخیر رسیده دسم حالام میبینم تست نداره، اول کتابشم زده کتاب تست جدا براتون میاد، زنگ زدم میگم کی میفرسید میگن باید بخرید
در اصل کتاب ناقص بهم قالب کردن
متن کتابشم انقد داغون ترجمه شده با کلی غلط تازه نصف مباحثرو هم پوشش نمیده
(۳۰ آذر ۱۳۹۲ ۱۲:۳۰ ب.ظ)zeynaab نوشته شده توسط: سلام حل کامل سوالای دکترای هوش ۹۱ و۹۲ رو از کجا میتونم تهیه کنم؟منم همین مشکل شما را دارم متاسفانه مدرسان شریف کتابه شناسایی و یادگیریش خیلی افتضاح و ناقصه حیف پول
از مدرسان شریف پک کاملش رو خریدم کلی پول دادم با ۶ماه تاخیر رسیده دسم حالام میبینم تست نداره، اول کتابشم زده کتاب تست جدا براتون میاد، زنگ زدم میگم کی میفرسید میگن باید بخرید
در اصل کتاب ناقص بهم قالب کردن
متن کتابشم انقد داغون ترجمه شده با کلی غلط تازه نصف مباحثرو هم پوشش نمیده
ممنون میشم از دوستان کسی یک منبع خلاصه و خوب معرفی کنه
من رفتم انقلاب پیش خاونم بیباک گفتم کتاب تست قرار بود برام بفرستین گفتن به زودی ارسال میشه البته تو این هفته قرار بود بشه که نشده هنوز و تستای سال ۹۱ و ۹۲ رو با جواب بهم دادن ولی هنوز نخوندم ببینم چجوریه. شمام زنگ بزنید ۶۱۰۹۹ بگید با خانوم بیباک کار دارم و بگید کتاب تست دروس تخصصی رو کی میفرسید.
به نظر من منبع خوب اسلایدای یادگیری ماشین دکتر شیری از شریف و شناسایی آماری الگو دکتر ربیعی خیلی مختصر و مفیده به نظر من بهترین منبع هسش که ادرساشو در زیر نوشتم. برای کتاب سوال هم کتاب bishop شنیدم خوبه که میتونید از اینترنت دانلود کنید
یادگیری دکتر شیری:
مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.
الگوی دکتر ربیعی
مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.
دوستان گرامی ممنون می شم بحث در مورد منابع و این موارد رو ئدر تاپیک های مرتبط انجام بدید و اینجا همون حل و بررسی باشه.
(۲۰ اسفند ۱۳۹۱ ۰۸:۲۰ ق.ظ)psps1368 نوشته شده توسط: سوال بیست و نه فک کنم گزینه اول میشه