Nederlands
Menu

Basis van machine learning

De klasse van het tweedimensionale punt (0, 0) wordt met k-nearest neighbors voorspeld. De trainingsdata bestaan uit de rode punten (1, 0), (3, 0) en (0, −3) en de blauwe punten (0, 2) en (−2, 1). Welke combinatie van voorspellingen voor k = 3 en k = 5 is juist bij gebruik van de euclidische afstand?

  1. Ak = 3: rood, k = 5: rood
  2. Bk = 3: rood, k = 5: blauw
  3. Ck = 3: blauw, k = 5: rood
Antwoord en toelichting tonen

Antwoord: C. k = 3: blauw, k = 5: rood

De afstanden tot (0, 0) zijn 1 voor het rode punt (1, 0), 2 voor het blauwe punt (0, 2), √5 ≈ 2,24 voor het blauwe punt (−2, 1) en 3 voor de rode punten (3, 0) en (0, −3). Bij k = 3 zijn de drie dichtstbijzijnde punten 1 rood en 2 blauw, dus de meerderheidsstemming geeft blauw; bij k = 5 worden alle punten gebruikt, 3 rood en 2 blauw, wat rood geeft. k-nearest neighbors rekent niets bij het trainen en zoekt pas bij het voorspellen naar nabije punten, en zoals hier te zien is, hangt het resultaat af van k. Omdat afstanden worden vergeleken, is standaardisatie belangrijk om de eenheden en ordes van grootte van de kenmerken gelijk te trekken.

Dit onderwerp oefenen Naar de onderwerppagina

Meer vragen over Basis van machine learning

  1. Welke beschrijving van een support vector machine (SVM) is juist?
  2. 20% van alle e-mails is spam. Een bepaald woord komt voor in 50% van de spammails en in 5% van de andere e-mails. Welke waarde ligt het dichtst bij de kans dat een e-mail met dit woord spam is?
  3. Welke logische functie kan niet worden weergegeven door een enkelvoudig perceptron dat alleen uit een invoerlaag en een uitvoerlaag bestaat (één neuron dat met een drempel 0 of 1 uitvoert)?
  4. Bij classificatie met drie klassen zijn de waarden die in de softmaxfunctie gaan (logits) 3, 1 en 0. Ongeveer hoeveel keer zo groot is de uitvoer (kans) van de eerste klasse als die van de tweede klasse? Welke waarde ligt het dichtst bij het antwoord?
  5. Een klein neuraal netwerk met de invoer x₁ = 1 en x₂ = 2 heeft twee verborgen neuronen h₁ = ReLU(x₁ + x₂ − 1) en h₂ = ReLU(x₁ − 2x₂ + 1) en de uitvoer y = 2h₁ + 3h₂ + 1. Wat is de waarde van y?