Clasificarea multiclasă a animalelor
45 Questions
0 Views

Choose a study mode

Play Quiz
Study Flashcards
Spaced Repetition
Chat to lesson

Podcast

Play an AI-generated podcast conversation about this lesson

Questions and Answers

Care este exemplul de clasificare multiclasă prezentat în conținut?

  • Clasificarea animalelor în funcție de culoarea blănii
  • Clasificarea automobilelor în funcție de marcă
  • Clasificarea produselor alimentare în funcție de preț
  • Clasificarea animalelor ca fiind reptile sau nu, pe baza unor caracteristici (correct)
  • Care caracteristici sunt folosite pentru a clasifica animalele în exemplul dat?

  • Depune ouă, are solzi, este cu sânge rece, otrăvitor, numărul de picioare (correct)
  • Tipul de hrană, habitatul, comportamentul
  • Culoarea blănii, greutatea, dimensiunea
  • Numărul de aripioare, prezența branhiilor, dimensiunea aripilor
  • Care animal este clasificat ca Reptilă?

  • Câine
  • Rață
  • Cobra (correct)
  • Fluture
  • Care din următoarele caracteristici nu este prezentă la Cobra?

    <p>Are aripi (A)</p> Signup and view all the answers

    Care animal are picioare?

    <p>Boa Constrictor (B)</p> Signup and view all the answers

    Ce algoritm este folosit pentru a realiza clasificarea multiclasă?

    <p>Regresie logistică (B)</p> Signup and view all the answers

    Care dintre următoarele afirmații este adevărată în legătură cu Boa Constrictor?

    <p>Boa Constrictor nu este otrăvitor. (D)</p> Signup and view all the answers

    Ce caracteristici sunt folosite pentru a identifica o reptilă?

    <p>Are solzi și este cu sânge rece. (D)</p> Signup and view all the answers

    Ce implică regularizarea funcţiei cost?

    <p>Adăugarea unui termen de penalizare pentru coeficienți (C)</p> Signup and view all the answers

    Ce se întâmplă dacă parametrul de penalizare λ este prea mare?

    <p>Coeficientii devin prea penalizați (B)</p> Signup and view all the answers

    Cum influențează gradul polinomului hθ (x) complexitatea modelului?

    <p>Modelul tinde să se ajusteze la zgomotul de antrenare (A)</p> Signup and view all the answers

    Ce se întâmplă dacă λ este prea mic?

    <p>Problema de overfitting persistă (A)</p> Signup and view all the answers

    Ce rol joacă parametrul θ0 în regularizare?

    <p>Este omis de la regularizare (B)</p> Signup and view all the answers

    Ce caracteristică lipsește la Piton în comparație cu Dart Frog?

    <p>Este otrăvitor (B)</p> Signup and view all the answers

    Care dintre aceste animale are un număr de picioare diferit față de celelalte?

    <p>Dart Frog (D)</p> Signup and view all the answers

    Pe ce bază nu putem distinge între un Piton și un Somon?

    <p>Prezența solzilor (C)</p> Signup and view all the answers

    Care este eticheta corectă pentru Somon bazându-ne pe caracteristicile date?

    <p>Pește (B)</p> Signup and view all the answers

    Ce caracteristică comună au Pitonul și Somonul?

    <p>Au solzi (D)</p> Signup and view all the answers

    Ce tip de animal este Dart Frog conform caracteristicilor prezentate?

    <p>Amfibiu (A)</p> Signup and view all the answers

    Care dintre afirmațiile de mai jos este adevărată despre Piton?

    <p>Depune ouă (A)</p> Signup and view all the answers

    Care afirmație este incorectă cu privire la piton și somon?

    <p>Ambele sunt otrăvitoare (B)</p> Signup and view all the answers

    Care dintre următoarele expresii reprezintă probabilitatea ca ieșirea y, condiționată de instanța x, parametrizată de θ, să fie 1?

    <p>$hθ(x)$ (C)</p> Signup and view all the answers

    În ce interval se află probabilitatea ca ieșirea y, condiționată de instanța x, parametrizată de θ, să fie 1?

    <p>[0, 1] (B)</p> Signup and view all the answers

    Care dintre următoarele expresii reprezintă funcția de verosimilitate?

    <p>$L(θ) = P(Y|X; θ)$ (A)</p> Signup and view all the answers

    Ce este ℓ(θ)?

    <p>Logaritmul funcției de verosimilitate (D)</p> Signup and view all the answers

    Care este scopul utilizării gradientului ascendent în regresia logistică?

    <p>Găsirea maximului global al funcției de verosimilitate (A)</p> Signup and view all the answers

    Ce reprezintă θ în contextul regresiei logistice?

    <p>Parametrii modelului (D)</p> Signup and view all the answers

    Care este regula de actualizare a parametrilor θ în gradientul ascendent?

    <p>$θ := θ + α∇θ ℓ(θ)$ (B)</p> Signup and view all the answers

    Conform textului, ce se poate spune despre funcția ℓ(θ)?

    <p>Este concavă cu un maxim global (D)</p> Signup and view all the answers

    Ce reprezintă $y(i)$ în contextul clasificatorului cu margine optimală?

    <p>Eticheta pentru clasificarea binară (C)</p> Signup and view all the answers

    Ce indică constrângerea $y(i) (w^T x(i) + b) eq γ∥w∥$?

    <p>Marginea consistentă față de hiperplan (B)</p> Signup and view all the answers

    Care este dificultatea principală a problemei de optimizare declarate în contextul algoritmilor cu vectori suport?

    <p>Nelinearitatea constrângerilor (B)</p> Signup and view all the answers

    Cum influenţează mărimea vectorului $w$ constrângerea din problema de optimizare?

    <p>Afectează valoarea lui $γ$ (C)</p> Signup and view all the answers

    Ce reprezintă norma Euclidiană a vectorului $w$?

    <p>O proprietate de măsurare a complexității vectorului $w$ (B)</p> Signup and view all the answers

    De ce este preferată o constrângere liniară în locul uneia neliniare?

    <p>Pentru că este mai ușor de tratat (C)</p> Signup and view all the answers

    Care este rolul termenului de bias $b$ în clasificatorul cu margine optimală?

    <p>Să ajusteze marginea funcțională (A)</p> Signup and view all the answers

    Ce problemă apare în optimizarea marginii datorită interacțiunii dintre $w$ și $γ$?

    <p>Dificultatea izolării unei soluții optime (B)</p> Signup and view all the answers

    De ce este o constrângere de inegalitate neconvexă?

    <p>Pentru că funcția normă nu respectă proprietățile necesare optimizării convexe. (C)</p> Signup and view all the answers

    Care este definiția unei funcții convexe?

    <p>O funcție care respectă inegalitatea f(αx + (1 − α)y) ≤ αf(x) + (1 − α)f(y). (D)</p> Signup and view all the answers

    Ce reprezintă o mulțime convexă?

    <p>O mulțime pentru care toate combinațiile liniare între elemente se află în interiorul mulțimii. (D)</p> Signup and view all the answers

    Care este problematică principală a optimizării neconvexe?

    <p>Se pot găsi multiple minime locale. (B)</p> Signup and view all the answers

    Ce se realizează prin normalizarea vectorului w în contextul clasificatorului cu margine optimă?

    <p>Se elimină dependența de norma w. (A)</p> Signup and view all the answers

    Cum influențează funcția normă asupra constrângerii γ · ∥w∥ ≤ y(i)?

    <p>Crește complexitatea problemei prin introducerea neconvexității. (D)</p> Signup and view all the answers

    Ce algoritmi sunt utilizați pentru a aborda problemele de optimizare neconvexă?

    <p>Algoritmi bazati pe gradient. (C)</p> Signup and view all the answers

    De ce este importantă optimizarea în contextul clasificatorilor cu margine optimă?

    <p>Pentru a minimiza eroarea de clasificare. (D)</p> Signup and view all the answers

    Study Notes

    Curs 1. Introducere

    • Tehnicile de învățare automată sunt utilizate pentru a învăța un calculator prin input disponibil
    • Învățarea presupune conversia experienței în expertiză sau cunoștințe
    • Inputul unui algoritm de învățare sunt datele de antrenare (experiența)
    • Outputul este expertiza, sub formă de program care realizează sarcini specifice
    • Învățarea automată este domeniul care dă calculatoarelor abilitate de a învăța fără a fi programate explicit.
    • Problemă de învățare „bine-pusă”: un program învață din experiență (E) raportată la o sarcină (T) și o măsură de performanță (P), dacă performanța (P) la sarcină (T) măsurată se îmbunătățește odată cu experiența (E).

    Cuprins

    • Generalități
    • Tematică și definiții
    • Ce este învățarea?
    • Utilitate
    • Tipuri de învățare
    • Algoritm de învățare
    • Învățare supervizată

    Exemplu

    • Program ce monitorizează mail-urile ca spam și învață să le filtreze
    • Sarcina: clasificarea mail-urilor ca spam sau non-spam.
    • Experiența: etichetarea mail-urilor ca spam sau non-spam.
    • Măsura performanței: numărul (sau procentul) de mail-uri corect clasificate ca spam/non-spam.

    Ce este învățarea?

    • Şobolanii învață să evite mâncarea otrăvită.
    • consumul ulterior depinde de gust și de efectele fiziologice
    • dacă hrana produce stări de rău, consumul ulterior va fi evitat.

    Raționament inductiv

    • Abilitatea de a eticheta mail-urile pe care algoritmul nu le-a mai întâlnit.
    • Un algoritm de învățare de succes ar trebui să poată generaliza mai larg.

    Superstiția porumbeilor

    • Experiment cu porumbei care primesc hrană la intervale fixe de timp.
    • A fost observat un comportament de asociere, neexistând o relație cauzala.

    Overfitting vs. underfitting

    • Overfitting: Modelul învață prea bine detaliile și particularitățile datelor de antrenament, inclusiv zgomotul și anomaliile.
    • Underfitting: Modelul este prea simplu pentru a surprinde tiparele datelor.

    Utilitate

    • Complexitatea problemei
    • Sarcini realizate de oameni/animale.
    • Sarcini ce depășesc capacitatea umană.
    • Nevoia de adaptabilitate

    Tipuri de învățare

    • Taxonomia paradigmelor de învăţare.
    • Învăţare activă vs. pasivă.
    • Ajutorul de la instructor

    Lot de antrenament vs. învățare online

    • Entitatea care învață trebuie să folosească expertiza pe parcursul antrenamentului.
    • Entitatea care învață folosește expertiza acumulată abia după ce a procesat un volum mare de date.

    Învăţare supervizată vs. nesupervizată

    • Supervizată: Experiența conţine informații semnificative absente din exemplele de test
    • Nesupervizată: Nu există distincție între datele de antrenament și cele de test.

    Componentele unui algoritm de învățare

    • Modelul
    • Evaluare performanței
    • Optimizare

    Regresie liniară

    • Reprezentarea ipotezei
    • Evaluarea performanței
    • Optimizarea parametrilor

    Regresie logistică

    • Evitarea utilizării regresiei liniare
    • Valoarea lui y poate fi 0 sau 1
    • Funcția sigmoid
    • Funcția logistică

    Funcția sigmoid

    • Reprezentarea grafică a funcției

    Asumpții și notații

    • Probabilitatea ca ieșirea y, codiționată de instanța x, parametrizată de 0, să fie 1
    • Probabilitatea ca ieșirea y, codiționată de instanța x, parametrizată de 0, să fie 0

    Estimarea verosimilității maxime

    • Maximizarea unei funcții de verosimilitate.

    Clasificarea multi-clasă

    • Considerăm o problemă de clasificare în care variabila răspuns y poate lua k valori, y ∈ {1, 2, . . ., k}.
    • Eticheta este tot discretă, dar poate lua mai mult de două valori.
    • Modelăm y ca fiind distribuită în acord cu o distribție multinomială.
    • Folosim funcția softmax.

    Algoritm de învățare cu perceptron

    • Importanță mai degrabă istorică.
    • Funcția de decizie
    • Actualizarea parametrilor

    Provocări ale clasificării

    • Dificultatea de a separa clasele.

    Probleme de optimizare

    • Dificultatea de a găsi soluții optimale.

    Recapitulare

    • Clasificarea eficientă depinde de alegerea caracteristicilor potrivite.
    • Modelul rafinat îmbunătățește acuratețea în identificarea reptilelor.

    Curs 4. Overfitting. Regularizarea funcției cost

    • Overfitting, care înseamnă că un model devine prea specific pentru setul de date pe care a fost antrenat, nefiind capabil să generalizeze bine pentru date noi.
    • Regularizarea funcției cost, care este o abordare pentru reducerea acestui fenomen prin penalizarea coeficienților funcției cost.

    Algoritmi cu vectori suport. Support vector machines

    • SVM sunt considerați printre cei mai buni algoritmi
    • Se mapează setul de caracteristici
    • Problema reformulată în noul spațiu de caracteristici

    Clasificatori cu margine optimală

    • Clasificarea binară
    • Corectitudinea și siguranța predicției

    Margine geometrică

    • Clasificator liniar care separă clasele
    • Ne interesează distanțele

    Margine funcțională

    • Măsoară gradul de încredere cu care se realizează fiecare predicție

    Problema de optim

    • Scopul este maximizarea marginii geometrice

    Convexitate

    • O funcție f: R n → IR este convexă dacă
    • O mulțime C ∈ R n este convexă dacă

    Problema de optimizare duală

    • Rescriem problema de optimizare
    • Se rezolvă problema de optim și se obțin coeficienții

    Funcții kernel

    • Scriem algoritmul în termenii produsului scalar
    • Considerăm un operator K

    Exemple de funcții kernel

    • Demonstrăm că funcția kernel
    • Demonstrăm că funcția kernel

    Proprietăți ale funcţiilor kernel

    • Algoritmi nu au nevoie
    • Trebuie doar să asigurăm
    • Ce fel de funcții K(, ) pot corespude unei anume aplicații Φ?
    • Măsura similarității
    • Alegem funcția kernel

    SVM cu margine nestrictă

    • Lagrangianul

    Clasificarea multi-clasă

    • considerăm o problemă
    • eticheta este tot discretă

    Rețele neuronale

    • Rețea cu mai multe straturi de neuroni
    • Neuronii care nu sunt interconectați
    • Un strat este un cluster
    • Stratul cel mai apropiat de date

    Ecuații de propagare

    • Propagarea informației în reţea
    • Stratul 1
    • Stratul 2

    Optimizarea parametrilor

    • Parametri de optimizat
    • Funcția obiectiv
    • Actualizarea parametrilor

    Propagarea înapoi

    • Derivarea este o operație liniară
    • Explicităm acești factori

    Adaptarea rețelelor

    • Normalizarea intrărilor
    • Datele de intrare se centrează
    • Rețeaua se va satura mai greu

    Curs 11. Rețele neuronale convoluționale

    Studying That Suits You

    Use AI to generate personalized quizzes and flashcards to suit your learning preferences.

    Quiz Team

    Description

    Acest quiz explorează conceptul de clasificare multiclasă aplicat în biologie. Vei răspunde la întrebări despre caracteristicile animalelor, algoritmi de clasificare și regularizarea funcției cost. Testează-ți cunoștințele despre reptile și alte animale!

    More Like This

    Use Quizgecko on...
    Browser
    Browser