From Data to Feature Vectors
15 belangrijke vragen over From Data to Feature Vectors
Wat suggereert het idee dat invoer niets meer dan lijsten met kenmerkwaarden zijn voor de weergave van gegevens?
Hoe kan het Nearest Neighbor model gebruikt worden om te voorspellen of een student van algoritmen houdt?
- Als deze student van algoritmen houdt, verwacht men dat de eerste student dat ook doet.
Wat wordt bedoeld met de term 'kenmerkwaarden' in de context van machine learning?
- De waarden van kenmerken en hoe deze variëren hebben wel betekenis.
- Hogere cijfers + sneller leren
- Niets twee keer studeren
- 100% zeker alles onthouden
Hoe wordt een voorbeeld gezien in de context van machine learning data?
Hoe wordt een review die driemaal 'excellent' zegt, één uitroepteken heeft en geen onderstreepte tekst gebruikt numeriek voorgesteld?
- Aantal uitroeptekens: 1
- Aanwezigheid van onderstreepte tekst: 0 (nee)
Wat betekent de conventie van de numerieke waarden 0 en 1 voor binaire kenmerken in beoordelingen?
- Waarde 1: Kenmerk is wel aanwezig
Hoe worden ECHTWAARDE en BINAIRE kenmerken doorgaans toegewezen aan vectoren?
- BINAIRE kenmerken worden toegewezen als 0 (onwaar) of 1 (waar).
Wat is het probleem bij het toewijzen van numerieke waarden aan CATEGORISCHE kenmerken?
- Dit veroorzaakt misleidende vergelijkingen op basis van afstand, waardoor sommige kleuren ten onrechte als meer vergelijkbaar worden beschouwd.
Wat is de oplossing voor het categoriseren van objecten met verschillende kleuren in een dataset?
- Elke mogelijke waarde zoals rood, blauw, groen of zwart krijgt een eigen binaire indicator (bijv. IsItRed, IsItBlue, IsitGreen, IsItBlack).
Hoe kan een voorbeeld worden voorgesteld in de context van machine learning?
Hoeveel componenten heeft een kenmerkvector als er D kenmerken zijn?
Hoe worden kenmerkvectoren genoteerd?
Wat wordt beschouwd als een lage dimensionale kenmerkenruimte?
Wat wordt beschouwd als een medium dimensionale kenmerkenruimte?
Wat wordt beschouwd als een hoge dimensionale kenmerkenruimte?
De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:
- Een unieke studie- en oefentool
- Nooit meer iets twee keer studeren
- Haal de cijfers waar je op hoopt
- 100% zeker alles onthouden