صفحه‌ها: ۱ ۲
سلام
اینا جوابهای من بوده البته شانسی هم زیاد توش زدم
۱-۲۱
۴-۲۲
۲-۲۳
۲-۲۴
۴-۲۵
۳-۲۶
۴-۲۷
۱-۲۸
۳-۲۹
۳-۳۰
؟-۳۱
۲-۳۲
۳۳-۲
۱-۳۴
۳-۳۵
۳-۳۶
۴-۳۷
۳۸-؟
۱-۳۹
۴۰-؟
۱-۴۱
۳-۴۲
۳-۴۳
۴-۴۴
۲-۴۵
این هم لینک گرفتن دفتر چه
مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.
این داستان kfold چی میشه ما آخر نفهمید
اگر منظور خطا هست که نمیشه تخمین زد چون یه بار یک سری داری و بار دیگه یک سری دیگه
ممکنه خطا کم بشه و یا زیاد بشه !
حرفی از واریانس و بایاس نزده !!!
یکی منو روشن کنه
۲۱ - ۴ براساس استدلال خودم که درست زدم !
۲۲- ۴
۲۳- نزدم فیشر مشکوک میزد!
۲۵ ۴
۲۶ ۳ شک دارم
۲۷ ۱ شک دارم
۲۸ ۴ چون گفته کمتر از ۲ ! شایدم ۱
۳۲ ۱
۳۵ ۳
۳۶ ۳
۳۷ ۴
۳۹ ۴ ؟
۴۰ ۲
۴۱ ۱
۴۲ ۱
۴۳ ۴
۴۴ ۳ زدم ولی ۴ هم میشه !
Good luck
تا اونجایی که من متوجه شدم
وقتی تعداد k در روش ارزیابی K-fold زیاد میشه یعنی تعداد داده ها تو هر k کم می شه و نهایتاً داده های آموزشی بیشتری در اختیار مدل قرار میگیره بهتر می تونه یاد بگیره بنابراین قاعدتاً خطا باید کم بشه
سوال ۲۳
روش فیشر یا LDA بر عکس روش PCA ، مولفه های خودشو بر اساس نزدیکی هم کلاس به همدیگر و یا مراکز کلاسها با همدیگه انتخاب می کنه . و از طرفی نسبت کواریانس داده ها (چه کم چه زیاد) می تونه تو این انتخاب کمک فیشر کنه
پس فکر کنم گزینه ۲ میشه
البته اگه درست درسو فهمیده باشم
(۱۷ اسفند ۱۳۹۲ ۱۰:۱۲ ق.ظ)mhghna نوشته شده توسط: سلام
اینا جوابهای من بوده البته شانسی هم زیاد توش زدم
۱-۲۱
۴-۲۲
۲-۲۳
۲-۲۴
۴-۲۵
۳-۲۶
۴-۲۷
۱-۲۸
۳-۲۹
۳-۳۰
؟-۳۱
۲-۳۲
۳۳-۲
۱-۳۴
۳-۳۵
۳-۳۶
۴-۳۷
۳۸-؟
۱-۳۹
۴۰-؟
۱-۴۱
۳-۴۲
۳-۴۳
۴-۴۴
۲-۴۵
این هم لینک گرفتن دفتر چه
مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.
به نظر من (که درست هم هست)
سوال ۲۳ گزینه ۳ میشه چون ماتریس کواریانس قطری هست
سوال ۲۴ فکر نکنم ۲ بشه چون باید اضای قطر فرعی مساوی باشن
۲۶ گزینه ۲
۲۷-۳
۴۲ گزینه ۱ درسته چون ۱nn فقط برای یک عضو خطا داره حالا بقیه رو میشه روش حرف زد
۴۳ گزینه ۲
تو مورد این سوالا دوست دارم نظرتون اگه مخالفه بدونم چرا و به چه علت؟؟؟
(۱۷ اسفند ۱۳۹۲ ۰۶:۴۹ ب.ظ)mazinani88 نوشته شده توسط: ۳ گزینه ۲۴۳ به نظرم دو نمیشه چون گفته بیشنیه بین دو کلاس ! (حاشیه بین کرنل و دو کلاس ملاک هست !) شایدم اشتباه میگم !
۴۲ ۱ موافق
۲۷ یا یک یا چهار
۲۶ ۲ نمیشه چون ممکنه نویز داشته باشیم ! گ ۱ هم همین طور ولی نصفه گرفتن چون داده ها از هم فاصله ی خوبی دارن مناسب هست.
۲۳ هم فیشر زده ها ممکنه فیشر کواریانس رو عوض کنه ! که نمیدونم چه تغییری میده
۲۶ فرض کن یکی از کلاس ها یک داده و کلاس دیگر بیش از ۹۹ عضو داشته باشد.اون وقت به جز ۱nnبقیه گزینه ها غلط جواب میده.
(۱۷ اسفند ۱۳۹۲ ۰۷:۱۹ ب.ظ)nanoc نوشته شده توسط:(17 اسفند ۱۳۹۲ ۰۶:۴۹ ب.ظ)mazinani88 نوشته شده توسط: ۳ گزینه ۲۴۳ به نظرم دو نمیشه چون گفته بیشنیه بین دو کلاس ! (حاشیه بین کرنل و دو کلاس ملاک هست !) شایدم اشتباه میگم !
۴۲ ۱ موافق
۲۷ یا یک یا چهار
۲۶ ۲ نمیشه چون ممکنه نویز داشته باشیم ! گ ۱ هم همین طور ولی نصفه گرفتن چون داده ها از هم فاصله ی خوبی دارن مناسب هست.
۲۳ هم فیشر زده ها ممکنه فیشر کواریانس رو عوض کنه ! که نمیدونم چه تغییری میده
در مورد سوال ۲۳ که من ۲ زدم استدلال من اینه
جدا ساز فیشر بر اساس تفکیک پذیری حداکثری کلاسها است . معیارش هم میانگین داده ها تو هر کلاس است
یعنی مولفه اش و کاهش ابعادش بر اساس تفکیک پذیری بیشتر کلاسهاست (ولی PCA مولفش بر اساس افزایش پراکندگی داده هاست )
حالا با توجه به اینکه نسبت کواریانس داده ها ارتباط داده ها با هم نشون می دنه (البته فکر کنم ) پس ۲ رو زدم
**********************************
سوال ۲۴ گزینه ۲ شانسی زدم
************************************
سوال ۲۶ گزینه ۳ رو زدم (مطمئن نیستم )به این دلیل :
در روش k-nn وقتی نمونه های آموزشی زیاد هستن (و به عبارتی به سمت بی نهایت بره ) و مقدار k با شیب ملایم به سمت به نهابت بره به کمینه خطای بیز نزدیک میشه . یعنی بهترین حالته . (بعضی جا ها خوندم بهترین k برابر رادیکال n هست )
حالا برداشت من از این سوال این بود مقدار نمونه های آموزشی زیاد بوده که گفته n>100 .
یه نکته دیگه هم اینه که واقعاً با این همه نمونه و این دایره به شعاع ۱ واقعاً K=1 کمه
**********************************
سوال ۲۷ مطمئنم ۴ میشه
یک بردار پشتیبان داریم که ۲ نقطه پشتیبان داره k=2
حالا یه نقطه اضافه میکنیم ۳ حالت پیش میاد :
۱- این نقطه تو یک دسته ها قرار می گیره پس هیچی
۲- این نقطه رو بردار های پشتیبان قرار می گیره پس یکی به k اضافه میشه پس حداکثر K+1
۳- این نقطه تو فضای فاصله دو کلاس قرار میگره که با توجه به اینکه گقته HARD SVM ما اونو به عنوان نویز در نظر میگیریم و (پنالتی) شوتش می کنیم به سمت دروازه
**********************************
سوال ۴۲
با توجه به چنیش + و _ ها خطای ۳-nn همون ۱ دهمه تا اینجا مطمئن بودم ولی تو روش ۱-nn با توجه به منفی که وسط + هست باعث میشه دقت به نصف کاهش پیدا می کنم
**********************
سوال ۴۳ :
به نظر من برتری بردار پشتیبان به عصبی گزینه های ۱ و ۲ نیست چون شبکه عصبی تک لایه هم می تونه اینها رو داشته باشه
مشکل شبکه عصبی تک لایه به نظر من اینه که نمی تونه زیاد بعد (ویژگی) بگیره بر عکس SVM
جالبه بچه ها ساده ترین سوالو همه اشتباه زدن منظورم سوال ۲۴ هست که میشه گزینه چهار چرا؟؟
چون ماتریس کواریانس باید مربعی باشد، متقارن باشد، عناصر روی قطر اصلی باید مثبت باشند و عناصر روی قطر فرعی باید کمتر یا مساوی عناصر روی قطر اصلی باشند پس میشه چهار . ۱و۲ که کاملا واضحه اشتباهه. سه هم چون عناصر قطر فرعی بزرگترند اشتباهه.
سوال ۴۰ کلید سنجش اشتباه هست
گفته یک ولی دو میشه
۵۰ ۱۰۰ !!!!!!!!!!!!!!!!!!!!!!!
یکی بگه بهشون من ندیدم جایی
سوال ۴۲ هم واسم سوال هست
مثبت ها به کناره ها نزدیک تر هستن تا وسط ! (تو ۱ NN) چشمی معلومه
چطور میگید به خاطر وسط منفی خطا میشه ۰/۵ ؟
منم ۰/۱ ۰/۱ زدم. خیلی ضایع معلومه!!!
کسی واسه سوالات شناسایی آماری الگو و یادگیری ماشین اعتراض نداره ؟!!!!!!!!!!!!!
(۲۵ اسفند ۱۳۹۲ ۱۲:۵۹ ق.ظ)nanoc نوشته شده توسط: سوال ۴۰ کلید سنجش اشتباه هست
گفته یک ولی دو میشه
۵۰ ۱۰۰ !!!!!!!!!!!!!!!!!!!!!!!
یکی بگه بهشون من ندیدم جایی
سوال ۴۲ هم واسم سوال هست
مثبت ها به کناره ها نزدیک تر هستن تا وسط ! (تو ۱ NN) چشمی معلومه
چطور میگید به خاطر وسط منفی خطا میشه ۰/۵ ؟
در مورد سوال ۴۰ لطف میکنی بگی اصلا این روش لفافه و فیلتر کردن چی هست. اگه یه منبع هم معرفی کنی که بشه باهاش فهمید خوبه.
سلام بچه ها چی شد اون دوتا سوال غلط بود>؟
یکی سوال ۰/۱ ۰/۱ برای دسته بندهای ۱nn 3nn
یکیم سوال اینکه اگه یک داده اضافه شود حداکثر تعداد support vector ها چند است. که میشه k+1
نه n+1!!!!!!!!!!!!!!!!!
اقا یکی خاهش بگه چجووری اون سواله svm lمیشه n+1
و درباره حل سوالات مارکوف خواهش توضیح بدین چجوریه....
من نمی دونم چرا شماها اینجا گیرین تو سوالات سالهای قبل
بابا کتاب پوران و بگیرین بخونین کتابش عالیه یعنی کتاب بدون غلط علمی هست من سه سال و خوندم کاربر های تبلیغ کننده تو همین سایت هم داشته خوب بگیرید سوالا رو خوب حل کرده