监督学习不区分训练集与测试集，样本没有类别标号。_考试资料网

网站首页考试题库热门试题智能家居网课试题

大学试题

题库首页每日一练章节练习

判断题监督学习不区分训练集与测试集，样本没有类别标号。

参考答案：错

您可能感兴趣的试卷

你可能感兴趣的试题

1.判断题在模式识别中，模式表示的是一类事物的代表，模式类则是某一事物的具体体现。

参考答案：错

2.问答题随机生成20个样本，每个样本有3个特征，使用C均值法将样本分为2类。

参考答案：

3.问答题 某城市细胞识别中两类先验概率分别为：正常状态：P（ω₁）=0.9；异常状态：P（ω₂）=0.1。一系列观察值为x的待观察细胞：

P（x▏ω₁）P（x▏ω₂）类条件概率分布正态分布分别为（-2，0.25）（2，4）。决策表为λ₁₁=0，λ₁₂=6，λ₂₁=1，λ₂₂=0。用最小风险贝叶斯分类器分为1和2两类。

参考答案：

4.问答题已知欧氏三维空间中两类9个训练样本。ω₁：{（-10）^T，（-20）^T，（-21）^T，（-2-1）^T}ω₂：{（11）^T，（20）^T，（1-1）^T，（21）^T，（22）^T}1：用最近邻法编程求样本（0 0）^T的分类，并画出分界线。 2：用k近邻法编程求样本（0 0）^T的分类，取K=5，7，9。

参考答案：

5.问答题编程实现下列样本的fisher法分类：ω₁：{（0 0 0）^T，（1 0 0）^T，（1 0 1）^T，（1 1 0）^T}ω₂：{（0 0 1）^T，（0 1 1）^T，（0 1 0）^T，（1 1 1）^T}

参考答案：

6.问答题已知四个训练样本 w1={（0，0），（0，1）}、w2={（1，0），（1，1）}使用感知器固定增量法求判别函数设w0=（1，1，1，1）、ρ=1 要求编写程序，写出判别函数，并打出图表。

参考答案：

7.问答题 已知样本集呈现正态分布，采用基于最小错误率的贝叶斯决策方法，编程待定样本x=（2，0）T的类别，并画出分界线。

参考答案：

8.问答题设有如下两类样本集，其出现的概率相等： ω1：{（0 0 0）^T，（1 0 0）^T，（1 0 1）^T，（1 1 0）^T} ω2：{（0 0 1）^T，（0 1 0）^T，（0 1 1）^T，（1 1 1）^T} 用K-L变换，分别把特征空间维数降到二维和一维。

参考答案：

9.问答题设有如下三类模式样本集ω1，ω2和ω3，其先验概率相等，求Sw和Sbω1：{（1 0）^T，（2 0）^T，（1 1）^T} ω2：{（-1 0）^T，（0 1）^T，（-1 1）^T} ω3：{（-1 -1）^T，（0 -1）^T，（0 -2）^T}

参考答案：由于三类样本集的先验概率相等，则概率均为 1/3。
多类情况的类内散度矩阵，可写成各类的类内散布矩阵...

点击查看完整答案

10.问答题怎样利用朴素贝叶斯方法获得各个属性的类条件概率分布？

参考答案：假设各属性独立，P（x|ωi）=P（x1，x2， …，xn |&omega...

点击查看完整答案