ML | עמוד 2

האלגוריתם AdaBoost שנילמד בכיתה מיועד לפתרון בעיות בינאריות בלבד

1

מיין לפי

לא קיימת הרחבה המאפשרת להשתמש באלגוריתם SVM לפתרון Multiclass

1

מיין לפי

הגדלת גודל ה-Ensemble תביא תמיד להקטנת הטעות בקבוצת הבדיקה

1

מיין לפי

ההבדל בין Ensemble ל- Mixture of Experts, הוא שב-Ensemble המסווגים נוצרו מאותו אלגוריתם בסיס וב -Mixture of Experts בדר"כ אין הדבר כך

1

מיין לפי

על פי עיקרון Maximum Margin במודל לינארי נחפש ישר ש:

1

מיין לפי

גדם עץ (Decision stump) הוא עץ בעץ עומק 1

1

מיין לפי

במשימת multi label בניגוד למשימת multi class כל תצפית יכולה להשתייך למספר סיווגים בו זמנית

1

מיין לפי

במודל Naive bayes מניחים כי

1

מיין לפי

קריטריון Information Gain h יכול להיות שלילי

1

מיין לפי

מספר העלים בעץ החלטה אינו יכול להיות גדול ממספר התצפיות בקבוצת הלימוד

1

מיין לפי

ML

Discuss, Learn and be Happy דיון בשאלות

האלגוריתם AdaBoost שנילמד בכיתה מיועד לפתרון בעיות בינאריות בלבד

לא קיימת הרחבה המאפשרת להשתמש באלגוריתם SVM לפתרון Multiclass

הגדלת גודל ה-Ensemble תביא תמיד להקטנת הטעות בקבוצת הבדיקה

ההבדל בין Ensemble ל- Mixture of Experts, הוא שב-Ensemble המסווגים נוצרו מאותו אלגוריתם בסיס וב -Mixture of Experts בדר"כ אין הדבר כך

על פי עיקרון Maximum Margin במודל לינארי נחפש ישר ש:

גדם עץ (Decision stump) הוא עץ בעץ עומק 1

במשימת multi label בניגוד למשימת multi class כל תצפית יכולה להשתייך למספר סיווגים בו זמנית

במודל Naive bayes מניחים כי

קריטריון Information Gain h יכול להיות שלילי

מספר העלים בעץ החלטה אינו יכול להיות גדול ממספר התצפיות בקבוצת הלימוד