ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 04.02.2024
Просмотров: 95
Скачиваний: 2
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
Отметить вопрос
Текст 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
0,9.144,-0.308
1,-4.269,-7.853
2,9.276,1.004
3,-4.235,-8.456
4,8.905,0.743
5,-3.944,-9.249
6,9.477,0.294
7,9.772,1.121
8,-4.416,-8.811
9,-4.466,-7.815
10,9.044,1.392
11,-5.077,-8.589
12,-4.343,-8.401
13,-4.496,-7.572
14,9.925,0.554
15,9.977,1.458
16,9.01,1.826
17,-4.648,-8.277
18,9.719,0.217
19,-4.699,-8.528
20,-4.591,-8.666
21,9.315,1.546
22,-4.667,-8.908
23,-3.806,-9.124
24,-4.798,-8.875
25,9.543,0.84
26,-4.257,-8.165
27,10.904,0.164
28,9.466,1.157
29,9.53,1.327
Вопрос 22
Неверно
Баллов: 0,0 из 1,0
Отметить вопрос
Текст 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 = [-0.18 -0.89 0.58 -0.43].
Вопрос 23
Неверно
Баллов: 0,0 из 1,0
Отметить вопрос
Текст вопроса
С использованием библиотеки Pandas проводится предварительный анализ данных, содержащихся в файле data.csv. Посредством анализа данных необходимо определить среднее значение параметра A5 для элементов списка, полученных путем отбора данных по условиям А2 > 0 и A3 < 1. Ответ требуется округлить с помощью функции round() до 2 знаков и записать через символ ".".
Содержимое файла data.csv:
,A1,A2,A3,A4,A5,A6,C
0,-7.128,1.958,2.54,9.669,12.282,-2.096,3.0
1,1.912,-3.094,1.909,-6.321,4.941,3.601,1.0
2,4.819,-1.617,-7.299,0.206,1.902,5.196,2.0
3,4.566,3.73,-5.367,-4.594,0.312,1.01,2.0
4,5.385,5.733,-6.541,2.622,-0.875,3.845,4.0
5,2.326,6.22,-0.981,-4.402,-4.204,3.481,0.0
6,-9.75,1.951,3.947,3.45,8.381,0.366,3.0
7,-0.18,-2.979,-0.447,-1.109,7.466,3.068,1.0
8,1.796,6.651,-7.487,-1.287,2.067,1.301,2.0
9,7.187,9.117,-3.686,2.65,-2.897,2.863,4.0
10,-0.21,8.76,-3.108,-7.079,-3.127,2.957,0.0
11,-0.047,8.106,-0.777,-3.872,-2.16,2.565,0.0
12,5.367,1.125,-4.575,-2.041,3.402,-0.109,2.0
13,-6.548,1.407,3.792,9.954,7.258,0.297,3.0
14,0.345,-7.102,0.782,1.407,5.114,0.452,1.0
15,-4.388,2.987,1.967,11.82,6.574,-1.691,3.0
16,4.497,7.429,-7.366,-0.175,0.859,2.532,4.0
17,0.602,-3.688,2.148,-0.613,6.706,0.436,1.0
18,-0.257,4.618,-4.02,-4.496,-3.409,1.546,0.0
19,0.71,-2.306,3.544,-1.233,3.264,4.456,1.0
20,6.221,2.804,-7.445,-1.951,2.804,0.504,2.0
21,6.176,8.79,-4.975,-1.706,-3.235,5.979,4.0
22,2.319,7.792,-2.747,-6.0,-4.003,4.51,0.0
23,-7.145,2.03,0.722,5.073,5.948,4.759,3.0
24,-4.003,4.796,0.81,-7.239,-4.177,5.705,0.0
25,-7.601,3.367,2.846,7.103,10.774,0.575,3.0
26,2.636,-4.637,3.442,-3.952,0.81,-0.37,1.0
27,0.931,5.947,-3.746,-5.141,-6.627,4.257,0.0
28,4.238,2.223,-5.187,-2.637,-0.626,1.431,2.0
29,3.501,9.89,-4.341,1.204,-1.836,6.359,4.0
30,6.224,7.599,-5.436,2.579,-3.133,5.28,4.0
Вопрос
24
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,-2.694,-5.621,-5.3,4.0
1,-3.661,-1.607,-6.643,4.0
2,-2.513,-10.554,12.439,0.0
3,-5.914,-6.606,8.564,0.0
4,-3.415,3.07,-4.362,2.0
5,3.302,0.539,1.836,3.0
6,8.474,-5.405,-5.812,1.0
7,-3.597,-5.038,10.679,0.0
8,-2.59,1.233,-12.027,2.0
9,10.891,-7.108,-2.551,1.0
10,5.703,-2.106,-3.111,1.0
11,-4.229,2.024,-0.555,2.0
12,-3.402,1.879,-5.353,2.0
13,-4.392,-6.435,13.67,0.0
14,3.536,4.652,4.023,3.0
15,-6.694,-9.856,-4.615,4.0
16,-5.123,-2.071,-5.448,4.0
17,1.349,-1.608,3.465,3.0
18,4.918,-0.741,1.795,3.0
19,-3.96,0.654,-4.6,2.0
20,8.442,-5.928,-2.905,1.0
21,0.991,4.026,-6.163,2.0
22,7.954,-3.039,-2.086,1.0
23,6.511,-3.381,-5.79,1.0
24,-7.307,-4.274,-2.564,4.0
25,-5.828,-4.975,12.401,0.0
26,-3.608,0.575,-8.646,4.0
27,-0.04,1.497,3.746,3.0
28,-6.866,-5.454,12.249,0.0
29,1.824,2.834,2.407,3.0
30,-8.374,-7.239,10.748,0.0
Вопрос 25
Неверно
Баллов: 0,0 из 1,0
Отметить вопрос
Текст 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 = [-0.88 -0.75 -0.29 0.36 -0.05 -0.61 -0.88 -0.72 0.09 0.19].
Вопрос 26
Неверно
Баллов: 0,0 из 1,0
Отметить вопрос
Текст 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,-1.175,-5.505
1,-0.344,6.537
2,0.314,5.295
3,-1.068,-6.032
4,0.205,6.532
5,-1.061,-5.476
6,-0.629,-6.509
7,-0.036,5.187
8,-0.799,-6.163
9,0.775,5.505
10,-0.869,-6.516
11,1.027,6.456
12,-1.187,-6.541
13,-1.768,-5.985
14,-1.608,-6.469
15,0.148,6.207
16,-0.353,5.783
17,0.108,6.175
18,-0.793,5.9
19,-0.541,-6.14
20,-2.123,-6.496
21,0.276,4.963
22,-1.674,-5.838
23,0.462,5.845
24,0.622,6.235
25,-0.89,-6.208
26,0.472,5.002
27,0.548,6.252
28,-1.077,-5.8
29,-1.837,-5.823
Вопрос 27
Неверно
Баллов: 0,0 из 1,0
Отметить вопрос
Текст 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 = [-0.53 -0.93 0.16 -0.74 0.37], D1 = -1
A2 = [0.37 0.75 -0.75 0.18 -0.89], D2 = 1
A3 = [-0.36 -0.09 0.81 0.08 -0.93], D3 = 1
Вопрос 28
Неверно
Баллов: 0,0 из 1,0
Отметить вопрос
Текст 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 количество объектов в каждом кластере. При записи ответа значения приводить в порядке убывания. Примеры записи ответов: «20, 10» или «12, 11».
Содержимое файла data.csv:
,X,Y
0,-0.514,1.983
1,1.094,1.662
2,-0.627,1.621
3,1.057,-0.42
4,1.178,-0.375
5,-0.226,-0.566
6,1.202,-1.05
7,0.217,-0.633
8,2.295,-2.594
9,0.243,-0.705
10,-0.62,1.838
11,-1.578,-1.976
12,0.365,-0.503
13,-0.84,-0.591
14,-0.206,1.19
15,-2.053,0.869
16,2.153,-1.335
17,0.247,-1.94
18,1.608,0.388
19,0.4,0.405
20,-0.957,-0.222
21,-0.544,0.288
22,0.228,1.027
23,0.103,2.018
24,0.533,-0.291
25,2.823,0.681
26,0.076,-1.246
27,0.226,-1.84
28,0.114,-1.885
29,-0.921,-0.232
Вопрос 29
Неверно
Баллов: 0,0 из 1,0
Отметить вопрос
Текст 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,-3.619,-6.559,0.721,7.386,-2.807,2.867,2.0
1,2.856,-8.665,1.904,-6.179,7.135,1.566,1.0
2,-5.927,-4.14,9.324,7.413,10.474,2.306,0.0
3,-1.159,-8.586,1.991,8.99,-4.966,2.997,2.0
4,2.184,-7.827,7.329,-6.061,5.191,2.95,1.0
5,-2.335,-6.655,6.724,-4.406,10.165,7.583,4.0
6,-6.295,6.685,2.814,-8.887,-0.538,5.673,3.0
7,-3.821,-4.899,7.59,-1.012,10.812,8.372,4.0
8,-4.235,-5.479,9.054,9.622,8.816,-0.378,0.0
9,6.287,-3.225,13.051,-5.963,11.409,-0.879,1.0
10,-2.455,-7.897,-2.934,5.245,-1.829,3.837,2.0
11,-4.457,-5.591,7.874,-2.926,9.982,5.666,4.0
12,-4.993,9.044,1.644,-5.18,-2.068,5.977,3.0
13,-0.179,-10.925,1.42,5.441,-5.493,6.518,2.0
14,-8.085,5.764,-0.003,-7.153,-1.776,3.412,3.0
15,-0.554,-8.654,-0.917,10.312,1.706,2.179,2.0
16,-6.53,9.106,-0.981,-5.966,0.453,2.668,3.0
17,-6.974,-5.03,13.874,9.748,7.549,0.317,0.0
18,-5.695,-7.373,10.464,12.547,7.124,-0.049,0.0
19,-2.515,-7.3,5.837,-5.857,9.314,7.166,4.0
20,0.844,-9.015,8.144,-5.664,7.349,-0.443,1.0
21,-7.075,4.757,-0.523,-9.306,-0.731,3.771,3.0
22,0.706,-2.896,8.891,-1.67,7.426,4.481,4.0
23,-4.282,-2.503,9.771,11.642,8.114,-1.099,0.0
24,-2.771,-6.579,5.95,-1.458,4.17,7.3,4.0
25,0.643,-11.09,5.863,-3.255,9.728,3.453,1.0
26,-7.777,-5.493,9.401,9.476,10.04,-0.454,0.0
27,-1.517,-10.646,8.554,-6.522,8.785,3.608,1.0
28,-0.622,-5.784,-0.764,5.074,-2.991,4.461,2.0
29,-3.894,6.097,4.683,-6.573,-3.655,6.031,3.0
30,-4.309,-3.465,13.671,7.714,9.321,3.671,0.0
Вопрос 30
Неверно
Баллов: 0,0 из 1,0
Отметить вопрос
Текст 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 количество объектов в каждом кластере. При записи ответа значения приводить в порядке убывания. Примеры записи ответов: «20, 10» или «12, 11».
Текст 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
0,9.144,-0.308
1,-4.269,-7.853
2,9.276,1.004
3,-4.235,-8.456
4,8.905,0.743
5,-3.944,-9.249
6,9.477,0.294
7,9.772,1.121
8,-4.416,-8.811
9,-4.466,-7.815
10,9.044,1.392
11,-5.077,-8.589
12,-4.343,-8.401
13,-4.496,-7.572
14,9.925,0.554
15,9.977,1.458
16,9.01,1.826
17,-4.648,-8.277
18,9.719,0.217
19,-4.699,-8.528
20,-4.591,-8.666
21,9.315,1.546
22,-4.667,-8.908
23,-3.806,-9.124
24,-4.798,-8.875
25,9.543,0.84
26,-4.257,-8.165
27,10.904,0.164
28,9.466,1.157
29,9.53,1.327
Вопрос 22
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 = [-0.18 -0.89 0.58 -0.43].
Вопрос 23
Неверно
Баллов: 0,0 из 1,0
Отметить вопросТекст вопроса
С использованием библиотеки Pandas проводится предварительный анализ данных, содержащихся в файле data.csv. Посредством анализа данных необходимо определить среднее значение параметра A5 для элементов списка, полученных путем отбора данных по условиям А2 > 0 и A3 < 1. Ответ требуется округлить с помощью функции round() до 2 знаков и записать через символ ".".
Содержимое файла data.csv:
,A1,A2,A3,A4,A5,A6,C
0,-7.128,1.958,2.54,9.669,12.282,-2.096,3.0
1,1.912,-3.094,1.909,-6.321,4.941,3.601,1.0
2,4.819,-1.617,-7.299,0.206,1.902,5.196,2.0
3,4.566,3.73,-5.367,-4.594,0.312,1.01,2.0
4,5.385,5.733,-6.541,2.622,-0.875,3.845,4.0
5,2.326,6.22,-0.981,-4.402,-4.204,3.481,0.0
6,-9.75,1.951,3.947,3.45,8.381,0.366,3.0
7,-0.18,-2.979,-0.447,-1.109,7.466,3.068,1.0
8,1.796,6.651,-7.487,-1.287,2.067,1.301,2.0
9,7.187,9.117,-3.686,2.65,-2.897,2.863,4.0
10,-0.21,8.76,-3.108,-7.079,-3.127,2.957,0.0
11,-0.047,8.106,-0.777,-3.872,-2.16,2.565,0.0
12,5.367,1.125,-4.575,-2.041,3.402,-0.109,2.0
13,-6.548,1.407,3.792,9.954,7.258,0.297,3.0
14,0.345,-7.102,0.782,1.407,5.114,0.452,1.0
15,-4.388,2.987,1.967,11.82,6.574,-1.691,3.0
16,4.497,7.429,-7.366,-0.175,0.859,2.532,4.0
17,0.602,-3.688,2.148,-0.613,6.706,0.436,1.0
18,-0.257,4.618,-4.02,-4.496,-3.409,1.546,0.0
19,0.71,-2.306,3.544,-1.233,3.264,4.456,1.0
20,6.221,2.804,-7.445,-1.951,2.804,0.504,2.0
21,6.176,8.79,-4.975,-1.706,-3.235,5.979,4.0
22,2.319,7.792,-2.747,-6.0,-4.003,4.51,0.0
23,-7.145,2.03,0.722,5.073,5.948,4.759,3.0
24,-4.003,4.796,0.81,-7.239,-4.177,5.705,0.0
25,-7.601,3.367,2.846,7.103,10.774,0.575,3.0
26,2.636,-4.637,3.442,-3.952,0.81,-0.37,1.0
27,0.931,5.947,-3.746,-5.141,-6.627,4.257,0.0
28,4.238,2.223,-5.187,-2.637,-0.626,1.431,2.0
29,3.501,9.89,-4.341,1.204,-1.836,6.359,4.0
30,6.224,7.599,-5.436,2.579,-3.133,5.28,4.0
Вопрос
24
Неверно
Баллов: 0,0 из 1,0
Отметить вопросТекст 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,-2.694,-5.621,-5.3,4.0
1,-3.661,-1.607,-6.643,4.0
2,-2.513,-10.554,12.439,0.0
3,-5.914,-6.606,8.564,0.0
4,-3.415,3.07,-4.362,2.0
5,3.302,0.539,1.836,3.0
6,8.474,-5.405,-5.812,1.0
7,-3.597,-5.038,10.679,0.0
8,-2.59,1.233,-12.027,2.0
9,10.891,-7.108,-2.551,1.0
10,5.703,-2.106,-3.111,1.0
11,-4.229,2.024,-0.555,2.0
12,-3.402,1.879,-5.353,2.0
13,-4.392,-6.435,13.67,0.0
14,3.536,4.652,4.023,3.0
15,-6.694,-9.856,-4.615,4.0
16,-5.123,-2.071,-5.448,4.0
17,1.349,-1.608,3.465,3.0
18,4.918,-0.741,1.795,3.0
19,-3.96,0.654,-4.6,2.0
20,8.442,-5.928,-2.905,1.0
21,0.991,4.026,-6.163,2.0
22,7.954,-3.039,-2.086,1.0
23,6.511,-3.381,-5.79,1.0
24,-7.307,-4.274,-2.564,4.0
25,-5.828,-4.975,12.401,0.0
26,-3.608,0.575,-8.646,4.0
27,-0.04,1.497,3.746,3.0
28,-6.866,-5.454,12.249,0.0
29,1.824,2.834,2.407,3.0
30,-8.374,-7.239,10.748,0.0
Вопрос 25
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 = [-0.88 -0.75 -0.29 0.36 -0.05 -0.61 -0.88 -0.72 0.09 0.19].
Вопрос 26
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,-1.175,-5.505
1,-0.344,6.537
2,0.314,5.295
3,-1.068,-6.032
4,0.205,6.532
5,-1.061,-5.476
6,-0.629,-6.509
7,-0.036,5.187
8,-0.799,-6.163
9,0.775,5.505
10,-0.869,-6.516
11,1.027,6.456
12,-1.187,-6.541
13,-1.768,-5.985
14,-1.608,-6.469
15,0.148,6.207
16,-0.353,5.783
17,0.108,6.175
18,-0.793,5.9
19,-0.541,-6.14
20,-2.123,-6.496
21,0.276,4.963
22,-1.674,-5.838
23,0.462,5.845
24,0.622,6.235
25,-0.89,-6.208
26,0.472,5.002
27,0.548,6.252
28,-1.077,-5.8
29,-1.837,-5.823
Вопрос 27
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 = [-0.53 -0.93 0.16 -0.74 0.37], D1 = -1
A2 = [0.37 0.75 -0.75 0.18 -0.89], D2 = 1
A3 = [-0.36 -0.09 0.81 0.08 -0.93], D3 = 1
Вопрос 28
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 количество объектов в каждом кластере. При записи ответа значения приводить в порядке убывания. Примеры записи ответов: «20, 10» или «12, 11».
Содержимое файла data.csv:
,X,Y
0,-0.514,1.983
1,1.094,1.662
2,-0.627,1.621
3,1.057,-0.42
4,1.178,-0.375
5,-0.226,-0.566
6,1.202,-1.05
7,0.217,-0.633
8,2.295,-2.594
9,0.243,-0.705
10,-0.62,1.838
11,-1.578,-1.976
12,0.365,-0.503
13,-0.84,-0.591
14,-0.206,1.19
15,-2.053,0.869
16,2.153,-1.335
17,0.247,-1.94
18,1.608,0.388
19,0.4,0.405
20,-0.957,-0.222
21,-0.544,0.288
22,0.228,1.027
23,0.103,2.018
24,0.533,-0.291
25,2.823,0.681
26,0.076,-1.246
27,0.226,-1.84
28,0.114,-1.885
29,-0.921,-0.232
Вопрос 29
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,-3.619,-6.559,0.721,7.386,-2.807,2.867,2.0
1,2.856,-8.665,1.904,-6.179,7.135,1.566,1.0
2,-5.927,-4.14,9.324,7.413,10.474,2.306,0.0
3,-1.159,-8.586,1.991,8.99,-4.966,2.997,2.0
4,2.184,-7.827,7.329,-6.061,5.191,2.95,1.0
5,-2.335,-6.655,6.724,-4.406,10.165,7.583,4.0
6,-6.295,6.685,2.814,-8.887,-0.538,5.673,3.0
7,-3.821,-4.899,7.59,-1.012,10.812,8.372,4.0
8,-4.235,-5.479,9.054,9.622,8.816,-0.378,0.0
9,6.287,-3.225,13.051,-5.963,11.409,-0.879,1.0
10,-2.455,-7.897,-2.934,5.245,-1.829,3.837,2.0
11,-4.457,-5.591,7.874,-2.926,9.982,5.666,4.0
12,-4.993,9.044,1.644,-5.18,-2.068,5.977,3.0
13,-0.179,-10.925,1.42,5.441,-5.493,6.518,2.0
14,-8.085,5.764,-0.003,-7.153,-1.776,3.412,3.0
15,-0.554,-8.654,-0.917,10.312,1.706,2.179,2.0
16,-6.53,9.106,-0.981,-5.966,0.453,2.668,3.0
17,-6.974,-5.03,13.874,9.748,7.549,0.317,0.0
18,-5.695,-7.373,10.464,12.547,7.124,-0.049,0.0
19,-2.515,-7.3,5.837,-5.857,9.314,7.166,4.0
20,0.844,-9.015,8.144,-5.664,7.349,-0.443,1.0
21,-7.075,4.757,-0.523,-9.306,-0.731,3.771,3.0
22,0.706,-2.896,8.891,-1.67,7.426,4.481,4.0
23,-4.282,-2.503,9.771,11.642,8.114,-1.099,0.0
24,-2.771,-6.579,5.95,-1.458,4.17,7.3,4.0
25,0.643,-11.09,5.863,-3.255,9.728,3.453,1.0
26,-7.777,-5.493,9.401,9.476,10.04,-0.454,0.0
27,-1.517,-10.646,8.554,-6.522,8.785,3.608,1.0
28,-0.622,-5.784,-0.764,5.074,-2.991,4.461,2.0
29,-3.894,6.097,4.683,-6.573,-3.655,6.031,3.0
30,-4.309,-3.465,13.671,7.714,9.321,3.671,0.0
Вопрос 30
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 количество объектов в каждом кластере. При записи ответа значения приводить в порядке убывания. Примеры записи ответов: «20, 10» или «12, 11».