Системы искусственного интеллекта 2 (промежуточные тесты) (Решение → 91558)

ПРОМЕЖУТОЧНЫЕ ТЕСТЫ 1,2. ВСЕ СДЕЛАНЫ НА МАКСИМАЛЬНЫЕ БАЛЛЫ.

___________________________________

НИЖЕ ОПИСАНИЕ К ПОИСКУ ПРАВИЛЬНЫХ ОТВЕТОВ В ФАЙЛЕ-ЭКСЕЛЬ.

Если что, обращайтесь в личные сообщения, на связи почти 24/7

НИЖЕ ВСЕ ТИПЫ ВОПРОСОВ ИЗ ПРОМЕЖУТОЧНЫХ ТЕСТОВ И ИХ КРАТКОЕ НАЗВАНИЕ В ЭКСЕЛЕ:

А2>1 и A3<2 - С использованием библиотеки Pandas проводится предварительный анализ данных, содержащихся в файле data.csv. Посредством анализа данных необходимо определить значение A5 первого элемента списка, полученного путем фильтрации данных по условиям А2 > 1 и A3 < 2 и сортировки данных в порядке возрастания по значению A4. Ответ записать в виде числа без округлений через символ ".".

А2>0 и A3<1 - 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 ".".

A3<=-1.625 - 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".

Sklearn - 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 ".".

Требуется рассчитать - 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:

полносвязной - 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:

Нейронная сеть - 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 «.».

1.02,-2.04 - 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)».

"20,10" или "12,11" - 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».

______________________

ЧТОБЫ НАЙТИ ВЕРНЫЙ ОТВЕТ, СНАЧАЛА НАХОДИТ НУЖНЫЙ ТИП ВОПРОСА, А ПОТОМ ЧЕРЕЗ СТОКУ НАЙТИ В ЭКСЕЛЕ ИЩЕМ ВАШ ВОПРОС ПО КАКОМУ-ТО ЗНАЧЕНИЮ, НАПРИМЕР ЕСЛИ У ВАС ТАКОЙ ВОПРОС:

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 = [0.1 0.42 -0.42 0.02 0.79], D1 = -1

A2 = [0.79 -0.75 -0.59 -0.9 -0.12], D2 = 1

A3 = [-0.94 -0.09 0.3 -0.44 0.35], D3 = 1

ТО:

1. НАХОДИМ РАЗДЕЛ "Нейронная сеть"
2. Дальше в строку поиска вбиваем любое значение, например "0.79" из А1
3. Эксель Вам находит по всей странице именно те строчки, где есть ваше значение
4. Напротив колонка с правильным ответом.