10 Questions
A k-szoros kereszt-validálás speciális esete a Leave-one-out validálás.
True
A Bootstrap módszer csak nagy adathalmazoknál hatékony.
False
A Leave-one-out validálás pontosabb modellt ad, mert kisebb a tréninghalmaz.
False
A Rétegzett kereszt-validálás alkalmas nagy adathalmazoknál.
False
A Bootstrap módszerben a kimaradt elemek a tréninghalmazban vannak.
False
A k-szoros kereszt-validálásban a k értéke meg kell egyezzen a minták számával.
False
A Leave-one-out validálás gyorsabb, mint a k-szoros kereszt-validálás.
False
A Bootstrap módszerben a véletlen számok generálása ismétlődések nélkül történik.
False
A Rétegzett kereszt-validálásban a k halmaz kialakítása úgy történik, hogy tükrözze az adathalmaz osztályok közti eloszlását.
True
A Bootstrap módszerben a teszthalmaz nagysága statisztikailag meghatározható, és kb. 36,8% a minták számának.
True
Test your knowledge of neural networks in data mining! This quiz covers the basics of neural networks, including input nodes, output nodes, and black box models. Learn how to classify data using neural networks and understand the concepts of hidden layers and fully connected networks.
Make Your Own Quizzes and Flashcards
Convert your notes into interactive study material.
Get started for free
