ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 04.02.2024
Просмотров: 96
Скачиваний: 2
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
Содержимое файла data.csv:
,A1,A2,A3,A4,A5,A6,C
0,3.47,1.88,6.42,5.29,3.89,5.66,0.0
1,1.85,7.58,0.94,12.64,0.32,-3.99,1.0
2,-1.68,-0.8,-11.16,-8.49,-2.78,5.15,4.0
3,7.97,5.84,2.34,4.57,8.64,6.29,0.0
4,0.18,6.06,2.58,9.87,-1.81,-0.96,1.0
5,-0.53,6.4,0.35,6.9,-2.15,-4.43,1.0
6,2.48,-5.7,10.89,9.18,-7.56,-8.21,3.0
7,3.69,2.16,5.44,-7.75,1.09,5.45,2.0
8,0.66,12.47,-0.43,8.0,2.5,-0.19,1.0
9,-0.51,-0.19,-7.43,-2.77,-1.38,1.94,4.0
10,1.28,7.58,0.79,6.0,-0.64,-7.36,1.0
11,-6.7,-0.18,-11.07,-2.87,-1.0,2.12,4.0
12,-0.11,0.87,7.42,8.19,-4.98,-8.68,3.0
13,0.36,-2.02,-7.88,-2.7,0.55,3.42,4.0
14,2.95,3.05,8.81,-8.69,3.67,6.28,2.0
15,6.65,2.87,7.89,-3.44,4.76,7.45,2.0
16,1.51,3.98,9.41,-8.61,7.42,3.73,2.0
17,6.15,1.51,5.08,5.42,8.53,5.76,0.0
18,5.73,0.61,5.25,-7.8,4.1,3.55,2.0
19,-2.6,2.48,-8.6,-5.83,-3.31,1.56,4.0
20,3.14,0.48,2.77,4.27,7.35,8.5,0.0
21,-1.81,0.65,-9.88,-3.82,-2.75,3.16,4.0
22,0.26,-3.26,8.01,5.16,-4.85,-6.53,3.0
23,5.19,3.01,3.05,1.78,6.73,5.37,0.0
24,0.65,-1.19,9.59,5.24,-3.8,-6.54,3.0
25,0.52,7.22,2.66,13.15,-1.75,-3.74,1.0
26,4.01,-1.87,9.36,11.77,-5.53,-7.09,3.0
27,4.82,3.69,3.09,3.33,8.59,7.93,0.0
28,0.78,2.87,3.84,0.9,4.43,3.85,0.0
29,2.25,1.02,7.84,10.47,-8.34,-4.86,3.0
30,6.32,5.77,12.09,-8.51,4.55,3.38,2.0
Вопрос
12
Неверно
Баллов: 0,0 из 1,0
Отметить вопросТекст вопроса
Требуется рассчитать выходной сигнал полносвязной двухслойной нейронной сети прямого распространения. Количество нейронов в первом слое равно двум, количество нейронов во втором слое равно одному. Функция активации всех нейронов – сигмоид. Значения всех весовых коэффициентов равны 0,5, смещение всех нейронов равно 0,5. Ответ требуется округлить с помощью функции round() до 2 знаков и записать через символ «.». Вектор входных сигналов X:
X = [0.73 -0.43 -0.85 0.53].
Вопрос 13
Неверно
Баллов: 0,0 из 1,0
Отметить вопросТекст вопроса
С помощью библиотеки Sklearn на основе алгоритма CART производится построение дерева классификации с использованием стандартных параметров. Для этого с использованием библиотеки Pandas осуществляется загрузка обучающей выборки данных из файла data.csv, который содержит значения атрибутов ("A1", "A2", "A3", "A4", "A5", "A6") и метки классов ("C"). Требуется определить коэффициенты значимости каждого атрибута (с использованием feature_importances_) и в качестве ответа записать максимальное значение коэффициента. Ответ требуется округлить с помощью функции round() до 3 знаков и записать через символ ".".
Содержимое файла data.csv:
,A1,A2,A3,A4,A5,A6,C
0,1.947,9.123,0.759,-5.071,4.401,-5.316,3.0
1,-6.583,6.599,4.615,-0.868,-3.897,-3.746,0.0
2,-0.813,8.838,1.07,-6.96,-10.179,4.02,2.0
3,-1.281,8.577,-1.203,-7.121,-7.286,1.735,2.0
4,-7.486,0.593,2.492,-0.447,-2.198,-4.709,0.0
5,-4.054,10.772,3.603,-6.343,-10.775,5.224,2.0
6,5.667,-0.751,-2.093,4.519,3.801,-7.417,1.0
7,-7.315,4.415,5.537,-2.162,-2.933,-6.792,0.0
8,-8.469,4.515,3.062,-2.989,-1.323,-5.422,0.0
9,-5.457,1.728,1.515,9.065,6.069,10.759,4.0
10,-7.76,5.149,2.169,-1.713,-2.306,-3.662,0.0
11,0.823,-0.383,-2.371,6.35,1.215,-7.43,1.0
12,-10.304,6.421,2.752,-1.819,-1.693,-5.587,0.0
13,-8.614,2.314,-0.62,4.909,11.283,10.433,4.0
14,-9.483,1.556,0.951,12.188,10.237,9.546,4.0
15,7.19,2.4,-1.541,4.706,2.246,-7.358,1.0
16,-4.081,12.744,1.909,-8.999,-6.454,5.728,2.0
17,3.661,10.944,1.237,-4.851,4.154,-3.468,3.0
18,-3.999,0.954,-1.257,5.95,7.913,8.455,4.0
19,-6.378,0.304,2.813,1.397,-0.6,-2.07,0.0
20,-5.352,13.241,-1.411,-6.59,-9.809,4.833,2.0
21,3.382,6.064,1.07,-3.5,-0.165,-1.845,3.0
22,1.732,5.622,4.135,-3.533,1.455,-4.101,3.0
23,-9.046,0.405,-0.274,12.936,6.634,9.909,4.0
24,3.481,-2.305,-0.261,1.645,4.349,-6.284,1.0
25,2.466,10.612,2.892,-4.887,3.191,0.339,3.0
26,-3.692,11.829,-3.052,-6.868,-10.695,3.612,2.0
27,-3.606,0.309,-1.253,12.092,10.026,6.879,4.0
28,3.806,8.915,1.985,-5.624,-0.01,-0.8,3.0
29,-0.781,-0.369,-4.585,6.516,2.734,-9.474,1.0
30,6.668,-1.762,-7.594,7.85,-2.967,-9.435,1.0
Вопрос 14
Неверно
Баллов: 0,0 из 1,0
Отметить вопрос
Текст вопроса
С использованием библиотеки Pandas осуществляется загрузка обучающей выборки данных из файла data.csv. Последний столбец в загруженных данных отвечает за метку класса (столбец "C"), остальные столбцы отвечают за атрибуты (столбцы "A1", "A2", "A3"). Загруженные данные используются для построения дерева классификации. При этом применяется библиотека Sklearn, а построение дерева осуществляется по алгоритму CART. Требуется определить условие разбиения данных в корневом узле. Примеры записи ответов: "A3 <= -1.625" или "A2 <= -6.359".
Содержимое файла data.csv:
,A1,A2,A3,C
0,3.555,3.802,6.478,3.0
1,-3.514,-8.738,-1.071,2.0
2,0.687,0.881,4.24,3.0
3,0.472,-7.511,5.276,2.0
4,-10.559,10.171,-10.24,4.0
5,-4.871,-8.741,2.27,2.0
6,3.776,8.733,10.84,1.0
7,-0.74,1.735,-10.324,0.0
8,-2.263,0.417,4.817,3.0
9,3.606,12.733,8.922,1.0
10,-4.161,-0.815,-9.55,0.0
11,4.636,3.897,6.458,3.0
12,-11.6,7.853,-13.649,4.0
13,-6.081,8.041,-8.15,4.0
14,-3.183,-1.522,-5.549,0.0
15,1.011,4.46,4.504,3.0
16,-5.413,-5.277,-0.139,2.0
17,-4.334,2.248,-7.427,0.0
18,-3.086,-9.381,-0.091,2.0
19,3.291,12.321,7.887,1.0
20,0.411,0.784,-9.383,0.0
21,3.982,10.913,7.982,1.0
22,-5.14,2.615,-10.957,0.0
23,-3.133,-10.512,-1.681,2.0
24,-10.014,10.617,-9.028,4.0
25,1.393,9.964,8.142,1.0
26,-6.284,10.323,-11.7,4.0
27,1.873,1.743,2.797,3.0
28,-4.245,2.704,-8.276,0.0
29,3.783,9.262,7.399,1.0
30,-9.936,7.491,-11.408,4.0
Вопрос 15
Неверно
Баллов: 0,0 из 1,0
Отметить вопросТекст вопроса
Нейронная сеть состоит из единственного нейрона с сигнатурной функцией активации. Нейронная сеть инициализирована вектором весовых коэффициентов W и значением смещения b. После инициализации проводится обучение нейронной сети по методу дельта-правила с использованием выборки, состоящей из входных сигналов A1, A2, A3, и с ожидаемыми выходными значениями D1, D2, D3. Последовательность подачи входных сигналов: первая итерация обучения – A1, вторая итерация обучения – A2, третья итерация обучения – A3. Коэффициент скорости обучения n равен 0.2. Требуется рассчитать сумму весовых коэффициентов W и смещения b нейрона после третьей итерации обучения. Ответ требуется округлить с помощью функции round() до 2 знаков и записать через символ «.».
Исходные данные:
W = [0.5 0.5 0.5 0.5 0.5], b = 0.5
A1 = [-0.4 -0.63 -0.35 0.33 0.13], D1 = -1
A2 = [-0.2 -0.24 -0.98 -0.66 -0.75], D2 = 1
A3 = [0.38 0.75 -0.33 0.98 -0.74], D3 = 1
Вопрос 16
Неверно
Баллов: 0,0 из 1,0
Отметить вопросТекст вопроса
Требуется рассчитать выходной сигнал одного нейрона с функцией активации сигмоид для заданного вектора входных сигналов X. Значения входных весовых коэффициентов равны 0,5, смещение равно 0,5. Ответ требуется округлить с помощью функции round() до 2 знаков и записать через символ «.». Вектор входных сигналов X:
X = [0.69 -0.32 0.64 0.25 -0.3 0.42 -0.41 -0.82 0.69 -0.28].
Вопрос 17
Неверно
Баллов: 0,0 из 1,0
Отметить вопросТекст вопроса
Нейронная сеть состоит из единственного нейрона с сигнатурной функцией активации. Нейронная сеть инициализирована вектором весовых коэффициентов W и значением смещения b. После инициализации проводится обучение нейронной сети по методу дельта-правила с использованием выборки, состоящей из входных сигналов A1, A2, A3, и с ожидаемыми выходными значениями D1, D2, D3. Последовательность подачи входных сигналов: первая итерация обучения – A1, вторая итерация обучения – A2, третья итерация обучения – A3. Коэффициент скорости обучения n равен 0.2. Требуется рассчитать сумму весовых коэффициентов W и смещения b нейрона после третьей итерации обучения. Ответ требуется округлить с помощью функции round() до 2 знаков и записать через символ «.».
Исходные данные:
W = [0.5 0.5 0.5 0.5 0.5], b = 0.5
A1 = [-0.33 0.01 0.26 -0.51 0.4], D1 = -1
A2 = [-0.15 -0.04 -0.81 0.22 -0.53], D2 = 1
A3 = [0.83 -0.81 0.91 0.03 0.9], D3 = 1
Вопрос 18
Неверно
Баллов: 0,0 из 1,0
Отметить вопросТекст вопроса
Нейронная сеть состоит из единственного нейрона с сигнатурной функцией активации. Нейронная сеть инициализирована вектором весовых коэффициентов W и значением смещения b. После инициализации проводится обучение нейронной сети по методу дельта-правила с использованием выборки, состоящей из входных сигналов A1, A2, A3, и с ожидаемыми выходными значениями D1, D2, D3. Последовательность подачи входных сигналов: первая итерация обучения – A1, вторая итерация обучения – A2, третья итерация обучения – A3. Коэффициент скорости обучения n равен 0.2. Требуется рассчитать сумму весовых коэффициентов W и смещения b нейрона после третьей итерации обучения. Ответ требуется округлить с помощью функции round() до 2 знаков и записать через символ «.».
Исходные данные:
W = [0.5 0.5 0.5 0.5 0.5], b = 0.5
A1 = [-0.7 0.06 -0.01 -0.89 -0.01], D1 = -1
A2 = [0.62 -0.56 -0.01 0.04 -0.44], D2 = 1
A3 = [0.53 0.27 0.55 -0.18 0.35], D3 = 1
Вопрос 19
Неверно
Баллов: 0,0 из 1,0
Отметить вопросТекст вопроса
С помощью библиотеки sklearn на основе алгоритма k-means производится кластеризация точек на плоскости. Для этого с использованием библиотеки pandas осуществляется загрузка выборки данных из файла data.csv, который содержит значения координат точек (X, Y) исследуемых объектов. При кластеризации используются стандартные параметры алгоритма k-means, кроме n_clusters=2.
Требуется определить координаты центра кластера, находящегося ближе к точке с координатами (0, 0). Значение каждой координаты округлить с помощью функции round() до 2 знаков. Примеры записи ответов: «(1.02, -2.04)» или «(-2.02, 2.04)».
Содержимое файла data.csv:
,X,Y
0,7.077,-3.411
1,5.77,2.575
2,6.46,1.885
3,6.819,2.552
4,6.333,3.259
5,6.479,1.908
6,7.292,-3.065
7,6.365,-3.343
8,6.662,-2.734
9,5.843,2.864
10,6.841,2.449
11,6.956,-3.362
12,5.26,3.314
13,7.526,-3.715
14,6.494,-2.775
15,6.314,3.119
16,6.532,2.893
17,6.604,-3.37
18,5.98,3.135
19,6.992,-3.605
20,7.363,-3.55
21,6.186,1.492
22,6.266,2.671
23,6.989,-4.143
24,7.694,-2.312
25,6.356,-2.363
26,7.528,-3.607
27,6.053,3.287
28,6.651,3.099
29,7.242,-3.303
Вопрос 20
Неверно
Баллов: 0,0 из 1,0
Отметить вопросТекст вопроса
С помощью библиотеки Sklearn на основе алгоритма CART производится построение дерева классификации с использованием стандартных параметров. Для этого с использованием библиотеки Pandas осуществляется загрузка обучающей выборки данных из файла data.csv, который содержит значения атрибутов ("A1", "A2", "A3", "A4", "A5", "A6") и метки классов ("C"). Требуется определить коэффициенты значимости каждого атрибута (с использованием feature_importances_) и в качестве ответа записать максимальное значение коэффициента. Ответ требуется округлить с помощью функции round() до 3 знаков и записать через символ ".".
Содержимое файла data.csv:
,A1,A2,A3,A4,A5,A6,C
0,3.24,-3.659,-7.593,2.322,0.734,12.2,1.0
1,-5.424,2.069,5.588,2.968,8.967,5.504,0.0
2,11.081,4.653,-3.083,3.552,-9.458,0.028,2.0
3,-5.112,5.718,12.099,-10.233,-3.459,8.78,3.0
4,10.471,-6.791,2.612,4.057,6.825,0.551,4.0
5,9.932,6.452,-2.599,4.45,-7.056,-0.859,2.0
6,10.381,-10.776,0.02,3.284,8.386,0.771,4.0
7,-5.88,9.347,9.597,-6.976,-2.912,2.618,3.0
8,-5.485,4.787,11.151,-8.236,-2.932,7.712,3.0
9,3.948,-3.28,-3.219,7.746,3.17,11.148,1.0
10,-5.512,7.68,7.692,-9.022,-4.322,9.117,3.0
11,8.866,4.546,-2.787,1.205,-7.006,4.686,2.0
12,9.599,5.753,-5.425,1.939,-8.493,1.859,2.0
13,9.827,-10.211,3.493,0.343,11.541,1.479,4.0
14,-6.784,7.002,8.841,-11.547,0.493,5.331,3.0
15,10.992,-10.277,3.38,1.827,10.486,1.0,4.0
16,-4.235,5.307,11.319,4.738,1.695,8.257,0.0
17,8.257,8.596,-2.619,5.983,-7.659,0.553,2.0
18,9.799,9.383,-4.468,3.073,-11.354,3.093,2.0
19,-8.794,8.6,10.255,-5.494,-1.8,10.675,3.0
20,3.991,-4.089,-1.937,1.684,0.344,11.241,1.0
21,5.303,-1.725,-3.889,2.834,-0.181,12.4,1.0
22,-2.744,2.125,6.552,7.678,6.803,5.328,0.0
23,-2.862,6.58,5.952,3.046,6.998,6.938,0.0
24,5.624,-4.142,-1.83,4.368,-3.67,10.161,1.0
25,8.97,-9.094,-0.824,-0.042,10.002,1.816,4.0
26,-5.713,8.288,7.653,4.271,3.207,5.854,0.0
27,2.959,-5.385,-0.058,0.309,-0.093,10.5,1.0
28,-2.936,4.873,10.255,4.251,2.852,12.376,0.0
29,9.91,-7.796,1.466,4.265,7.987,-3.204,4.0
30,-9.3,4.7,4.668,1.181,8.833,4.255,0.0
Вопрос 21
Неверно
Баллов: 0,0 из 1,0