Pembelajaran mesin dengan jawaban python

Kevin Wong

Kevin Wong adalah Pengembang Kurikulum Teknis. Dia senang mengembangkan kursus yang berfokus pada pendidikan di bidang Big Data. Kevin memperbarui kursus agar kompatibel dengan rilis perangkat lunak terbaru, membuat ulang kursus di lingkungan cloud baru, dan mengembangkan kursus baru seperti Pengenalan Pembelajaran Mesin. Kevin berasal dari University of Alberta, tempat dia menyelesaikan tahun ketiganya di Computer Engineering Co-op

Komit ini bukan milik cabang mana pun di repositori ini, dan mungkin milik garpu di luar repositori

Anda tidak dapat melakukan tindakan tersebut saat ini

Anda masuk dengan tab atau jendela lain. Muat ulang untuk menyegarkan sesi Anda. Anda keluar di tab atau jendela lain. Muat ulang untuk menyegarkan sesi Anda

pertanyaan 1. Pembelajaran yang diawasi berurusan dengan data yang tidak berlabel, sedangkan pembelajaran yang tidak diawasi berurusan dengan data yang berlabel

• BENAR
• PALSU

Pertanyaan 2. Manakah dari berikut ini yang tidak benar tentang Machine Learning?

• Machine Learning terinspirasi oleh proses pembelajaran manusia
• Model Pembelajaran Mesin secara iteratif belajar dari data, dan memungkinkan komputer menemukan wawasan tersembunyi
• Model Pembelajaran Mesin membantu kita dalam tugas-tugas seperti pengenalan objek, peringkasan, dan rekomendasi
• Pembelajaran mesin memberi komputer kemampuan untuk membuat keputusan dengan menuliskan aturan dan metode dan diprogram secara eksplisit

Pertanyaan 3. Manakah dari contoh berikut yang merupakan contoh penerapan Regresi Logistik?

pertanyaan 1. Machine Learning menggunakan algoritme yang dapat belajar dari data tanpa bergantung pada metode yang diprogram secara eksplisit

• BENAR
• PALSU

Pertanyaan 2. Manakah dua jenis teknik pembelajaran yang diawasi?

• Klasifikasi dan Clustering
• Klasifikasi dan K-Means
• Regresi dan Clustering
• Regresi dan Partisi
• Klasifikasi dan Regresi

Pertanyaan 3. Manakah dari pernyataan berikut yang paling menggambarkan library scikit Python?

• Perpustakaan untuk perhitungan ilmiah dan kinerja tinggi
• Kumpulan algoritme dan alat untuk pembelajaran mesin
• Paket pembuatan plot populer yang menyediakan pembuatan plot 2D serta pembuatan plot 3D
• Pustaka yang menyediakan struktur data berkinerja tinggi dan mudah digunakan
• Kumpulan algoritme numerik dan kotak alat khusus domain

Modul 2. Regresi

pertanyaan 1. Pelatihan dan pengujian pada dataset yang sama mungkin memiliki akurasi pelatihan yang tinggi, tetapi akurasi di luar sampelnya mungkin rendah

• BENAR
• PALSU

Pertanyaan 2. Jika koefisien korelasi adalah 0. 7 atau lebih rendah, mungkin sesuai untuk menyesuaikan regresi non-linear

• BENAR
• PALSU

Pertanyaan 3. Kapan kita harus menggunakan Regresi Linear Berganda?

• Ketika kami ingin mengidentifikasi kekuatan pengaruh variabel independen terhadap variabel dependen
• Ketika ada beberapa variabel dependen

Modul 3. Klasifikasi

pertanyaan 1. Di K-Nearest Neighbors, mana dari berikut ini yang benar

• Nilai K yang sangat tinggi (mis. K = 100) menghasilkan model yang terlalu umum, sedangkan nilai k yang sangat rendah (mis. k = 1) menghasilkan model yang sangat kompleks
• Nilai K yang sangat tinggi (mis. K = 100) menghasilkan model yang lebih baik dari nilai K yang sangat rendah (ex. K = 1)
• Nilai k yang sangat tinggi (mis. k = 100) menghasilkan model yang sangat kompleks, sedangkan nilai K yang sangat rendah (mis. K = 1) menghasilkan model yang terlalu umum

Pertanyaan 2. Pengklasifikasi dengan kehilangan log yang lebih rendah memiliki akurasi yang lebih baik

• BENAR
• PALSU

Pertanyaan 3. Saat membangun pohon keputusan, kami ingin membagi node dengan cara yang menurunkan entropi dan meningkatkan perolehan informasi

• BENAR
• PALSU

Modul 4. kekelompokan

pertanyaan 1. Mana yang TIDAK BENAR tentang k-means clustering??

• K-means membagi data menjadi cluster yang tidak tumpang tindih tanpa struktur internal cluster apa pun
• Tujuan dari k-means adalah untuk membentuk cluster sedemikian rupa sehingga sampel yang serupa masuk ke dalam cluster dan sampel yang berbeda jatuh ke dalam cluster yang berbeda.
• Karena k-means adalah algoritma iteratif, ia menjamin bahwa ia akan selalu konvergen ke optimum global

Pertanyaan 2. Segmentasi pelanggan adalah cara pengelompokan data yang diawasi berdasarkan kesamaan pelanggan satu sama lain

• BENAR
• PALSU

Pertanyaan 3. Bagaimana titik pusat (centroid) dipilih untuk setiap cluster di k-means?

• Kami dapat secara acak memilih beberapa pengamatan dari kumpulan data dan menggunakan pengamatan ini sebagai cara awal
• Kita dapat memilih centroid melalui analisis korelasi

Modul 5. Sistem Rekomendasi

pertanyaan 1. Pemfilteran kolaboratif didasarkan pada hubungan antara produk dan pola penilaian orang

• BENAR
• PALSU

Pertanyaan 2. Mana yang BENAR tentang sistem rekomendasi berbasis konten?

• Sistem rekomendasi berbasis konten mencoba merekomendasikan item kepada pengguna berdasarkan profil mereka
• Dalam pendekatan berbasis konten, proses rekomendasi didasarkan pada kesamaan pengguna
• Dalam sistem pemberi rekomendasi berbasis konten, kesamaan pengguna harus diukur berdasarkan kesamaan tindakan pengguna

Pertanyaan 3. Mana yang benar tentang pemfilteran kolaboratif berbasis pengguna dan berbasis item?

• Dalam pendekatan berbasis item, rekomendasi didasarkan pada profil pengguna yang menunjukkan ketertarikan pada item tertentu
• Dalam pendekatan berbasis pengguna, rekomendasi didasarkan pada pengguna di lingkungan yang sama, yang memiliki preferensi yang sama dengannya

Machine Learning dengan Python  Jawaban ujian akhir kelas Kognitif. -

pertanyaan 1. Anda dapat mendefinisikan Jaccard sebagai ukuran persimpangan dibagi dengan ukuran penyatuan dua kumpulan label

• BENAR
• PALSU

Pertanyaan 2. Saat membangun pohon keputusan, kami ingin membagi node dengan cara yang meningkatkan entropi dan mengurangi perolehan informasi

• BENAR
• PALSU

Pertanyaan 3. Manakah dari pernyataan berikut ini yang benar? . )

• K perlu diinisialisasi di K-Nearest Neighbor
• Pembelajaran yang diawasi berfungsi pada data berlabel
• Nilai K yang tinggi di KNN menciptakan model yang terlalu pas
• KNN mengambil banyak titik yang tidak berlabel dan menggunakannya untuk memprediksi titik yang tidak diketahui
• Pembelajaran tanpa pengawasan bekerja pada data yang tidak berlabel

Pertanyaan 4. Untuk menghitung akurasi model menggunakan set pengujian, Anda meneruskan pengujian ke model Anda untuk memprediksi label kelas, lalu membandingkan nilai prediksi dengan nilai aktual

• BENAR
• PALSU

Pertanyaan 5. Apa definisi dari entropi?

• Kemurnian setiap node dalam pohon keputusan
• Informasi yang terkumpul dapat meningkatkan tingkat kepastian dalam prediksi tertentu
• Informasi yang digunakan untuk memilih subset data secara acak
• Jumlah gangguan informasi dalam data

Pertanyaan 6. Manakah dari berikut ini yang benar tentang hubungan hierarkis?

• Keterkaitan rata-rata adalah jarak rata-rata setiap titik dalam satu klaster ke setiap titik dalam klaster lain
• Tautan lengkap adalah jarak terpendek antara suatu titik dalam dua kelompok
• Keterkaitan centroid adalah jarak antara dua centroid yang dihasilkan secara acak dalam dua cluster
• Keterkaitan tunggal adalah jarak antara setiap titik dalam dua kelompok

Pertanyaan 7. Tujuan dari regresi adalah membangun model untuk secara akurat memprediksi nilai kontinu dari variabel dependen untuk kasus yang tidak diketahui

• BENAR
• PALSU

Pertanyaan 8. Manakah dari pernyataan berikut yang benar tentang regresi linier?

• Dengan regresi linier, Anda dapat menyesuaikan garis melalui data
• y=a+b_x1 adalah persamaan garis lurus yang dapat digunakan untuk memprediksi nilai kontinu y
• Dalam y=θ^T. X, θ adalah set fitur dan X adalah "vektor bobot" atau "kepercayaan persamaan", dengan kedua istilah ini digunakan secara bergantian

Pertanyaan 9. Fungsi Sigmoid adalah bagian utama dari regresi logistik, di mana Sigmoid dari 𝜃^𝑇. 𝑋, memberi kita probabilitas suatu titik milik suatu kelas, bukan nilai y secara langsung

• BENAR
• PALSU

Pertanyaan 10. Dibandingkan dengan pembelajaran yang diawasi, pembelajaran yang tidak diawasi memiliki

• Lebih sedikit tes (pendekatan evaluasi)
• Lebih banyak model
• Lingkungan yang lebih baik dan terkendali
• Lebih banyak tes (pendekatan evaluasi), tetapi lebih sedikit model

Pertanyaan 11. Titik-titik yang diklasifikasikan oleh Density-Based Clustering dan tidak termasuk dalam cluster mana pun adalah outlier

• BENAR
• PALSU

Pertanyaan 12. Manakah dari berikut ini yang salah tentang Regresi Linier Sederhana?

• Itu tidak memerlukan parameter penyetelan
• Ini sangat bisa ditafsirkan
• Cepat
• Ini digunakan untuk menemukan outlier

Pertanyaan 13. Manakah dari pernyataan berikut ini yang paling akurat?

• Machine Learning adalah cabang AI yang mencakup bagian statistik dan pembelajaran dari kecerdasan buatan
• Deep Learning adalah cabang Kecerdasan Buatan di mana komputer belajar dengan diprogram secara eksplisit
• Artificial Intelligence adalah cabang dari Machine Learning yang mencakup bagian statistik dari Deep Learning
• Artificial Intelligence adalah cabang dari Deep Learning yang memungkinkan kita membuat model

Pertanyaan 14. Manakah dari berikut ini yang merupakan jenis pembelajaran terawasi?

• Klasifikasi
• Regresi
• KNN
• K-Means
• Kekelompokan

Pertanyaan 15. Pengelompokan hirarkis versi bottom-up dikenal sebagai pengelompokan divisif. Ini adalah metode yang lebih populer daripada metode Agglomerative

• BENAR
• PALSU

Pertanyaan 16. Pilih semua pernyataan yang benar terkait dengan Hierarchical clustering dan K-Means

• Pengelompokan hierarkis tidak memerlukan jumlah cluster yang ditentukan
• Pengelompokan hierarkis selalu menghasilkan klaster yang berbeda, sedangkan k-Means mengembalikan klaster yang sama setiap kali dijalankan
• K-Means lebih efisien daripada pengelompokan hierarkis untuk kumpulan data besar

Pertanyaan 17. Apa itu sistem rekomendasi berbasis konten?

• Sistem rekomendasi berbasis konten mencoba merekomendasikan item kepada pengguna berdasarkan profil mereka yang dibangun berdasarkan preferensi dan selera mereka
• Sistem rekomendasi berbasis konten mencoba merekomendasikan item berdasarkan kesamaan antar item
• Sistem rekomendasi berbasis konten mencoba merekomendasikan barang berdasarkan kesamaan pengguna saat membeli, menonton, atau menikmati sesuatu

Pertanyaan 18. Sebelum menjalankan pengelompokan Agglomerative, Anda perlu menghitung matriks jarak/kedekatan, yang merupakan tabel n per n dari semua jarak antara setiap titik data di setiap kluster kumpulan data Anda

• BENAR
• PALSU

Pertanyaan 19. Manakah dari pernyataan berikut ini yang benar tentang DBSCAN? . )

• DBSCAN dapat digunakan saat memeriksa data spasial
• DBSCAN dapat diterapkan untuk tugas-tugas dengan cluster berbentuk sewenang-wenang, atau cluster dalam cluster
• DBSCAN adalah algoritma hierarkis yang menemukan titik inti dan batas
• DBSCAN dapat menemukan sembarang cluster berbentuk apapun tanpa terpengaruh oleh noise

Pertanyaan 20. Dalam sistem pemberi rekomendasi, "mulai dingin" terjadi ketika Anda memiliki kumpulan data besar pengguna yang hanya memberi peringkat item dalam jumlah terbatas

Apa yang dimaksud dengan pembelajaran mesin dengan Python?

Apa topik dalam Python untuk pembelajaran mesin?

Kursus Python mana yang terbaik untuk pembelajaran mesin?

Apakah bagian dari pembelajaran mesin yang melihat kebangkitan dan biasanya diimplementasikan dengan keras di antara perpustakaan lain?