2. spletni kviz: strojno učenje 2: Pregled poskusa

Attempt 1 summary
Stanje	Končano
Začeto	torek, 18. november 2025, 22.47
Zaključeno dne	torek, 25. november 2025, 17.37
Porabljeni čas	6 dni 18 ure
Ocene	15,75/18,00
Ocena	87,50 od največ 100,00

Vprašanje 1

Pravilno

Točk 1,00 od 1,00

Besedilo vprašanja

Podana je naslednja učna množica primerov, ki imajo podan atribut A in razred:

	a	razred
1	70	No
2	70	No
3	70	Yes
4	75	No
5	80	Yes
6	85	No
7	85	No
8	90	Yes
9	95	No
10	95	Yes

Katera od naslednjih diskretizacij atributa A zagotovi največji informacijski prispevek (najbolj minimizira nečistost)? Če imata dve ali več diskretizacij enak največji prispevek, izberite vse. Uporabljajte relativno frekvenco.

<=70, >70

<=75, >75

<=80, >80

<=85, >85

<=90, >90

Točk 1,00 od 1,00

Vprašanje 2

Pravilno

Točk 1,00 od 1,00

Vprašanje z zastavico

Besedilo vprašanja

Izberi pravilne trditve glede regresijskih dreves.

Izberite en ali več odgovorov:

V listu drevesa lahko za napoved uporabimo povprečno vrednost.

Regresijska drevesa uporabljamo, kadar imamo zvezni razred.

Regresijsko drevo ima vedno v vseh listih enako število učnih primerov.

Regresijska drevesa uporabljamo predvsem za obdelavo slik.

Vprašanje 3

Pravilno

Točk 1,00 od 1,00

Vprašanje z zastavico

Besedilo vprašanja

Zgradimo dva modela z naivnim Bayesom. Za prvi model ne nadomestimo manjkajoči vrednosti, za drugi model pa najprej manjkajoče vrednosti nadomestimo s srednjo vrednostjo in nato učimo model.

Označite pravilne trditve.

Izberite en ali več odgovorov:

Prvi model je lahko boljši od drugega.

Oba zgrajena modela bosta vedno popolnoma enaka.

Drugi model je lahko boljši od prvega.

Prvi model je vedno boljši od drugega.

Prvega modela sploh ne moremo zgraditi, ker naivni Bayes ne zna obravnavati manjkajočih vrednosti.

Drugi model je vedno boljši od prvega.

Pripombe

Vaš odgovor je pravilen.

Vprašanje 4

Pravilno

Točk 1,00 od 1,00

Vprašanje z zastavico

Besedilo vprašanja

Kdaj se ustavi izvajanje algoritma k-voditeljev (k-means)?

Izberite en ali več odgovorov:

Ko noben primer ne zamenja skupine.

Ko je doseženo optimalno število gruč.

Ko imajo vse gruče enako število primerov.

Ko vse točke pripadajo eni gruči.

Ko ima vsaka gruča le eno točko.

Pripombe

Vaš odgovor je pravilen.

Vprašanje 5

Delno pravilno

Točk 0,75 od 1,00

Vprašanje z zastavico

Besedilo vprašanja

Tudi ostali golfisti so začeli spremljati vpliv vremena na njihovo odločitev glede igranja golfa. Spodaj so zbrani podatki enega izmed golfistov. (Vrednosti v tabeli so naključno generirane).

	Outlook	Temp	Humidity	Windy	PlayGolf
1	Sunny	Hot	Low	False	No
2	Rainy	Mild	Low	True	Yes
3	Overcast	Hot	High	True	Yes
4	Sunny	Hot	High	True	No
5	Rainy	Mild	High	True	No
6	Rainy	Hot	High	True	Yes
7	Sunny	Hot	High	True	No
8	Rainy	Hot	High	True	Yes
9	Sunny	Hot	High	True	No
10	Rainy	Hot	High	False	No
11	Rainy	Hot	High	True	No
12	Sunny	Hot	High	False	No
13	Overcast	Hot	High	False	No
14	Sunny	Cool	Low	False	No
15	Sunny	Hot	High	True	No

Izračunajte verjetnost P(PlayGolf=No|Temp=Mild,Windy=False,Humidity=Low) (in vmesne rezultate) z naivnim Bayesovim klasifikatorjem. Za ocenjevanje verjetnosti uporabljajte Laplacevo oceno. Odgovore zaokrožite na 3 decimalke.

P(PlayGolf=No) : Answer 1 Vprašanje 5

P(Windy=False|PlayGolf=No) : Answer 2 Vprašanje 5

h(PlayGolf=No|Temp=Mild,Windy=False,Humidity=Low) : Answer 3 Vprašanje 5

P(PlayGolf=No|Temp=Mild,Windy=False,Humidity=Low) : Answer 4 Vprašanje 5

Vprašanje 6

Pravilno

Točk 1,00 od 1,00

Vprašanje z zastavico

Besedilo vprašanja

Tudi ostali golfisti so začeli spremljati vpliv vremena na njihovo odločitev glede igranja golfa. Spodaj so zbrani podatki enega izmed golfistov. (Vrednosti v tabeli so naključno generirane).

	Outlook	Temp	Humidity	Windy	PlayGolf
1	Sunny	Cool	Low	False	Yes
2	Sunny	Mild	High	False	No
3	Overcast	Hot	Low	False	No
4	Rainy	Cool	Low	False	Yes
5	Overcast	Hot	Low	False	Yes
6	Rainy	Hot	High	True	No
7	Sunny	Cool	High	False	Yes
8	Overcast	Cool	High	False	No
9	Sunny	Mild	Low	False	Yes
10	Rainy	Cool	High	False	Yes
11	Sunny	Hot	High	True	Yes
12	Rainy	Mild	Low	True	No
13	Overcast	Hot	High	False	Yes
14	Rainy	Hot	Low	True	No
15	Overcast	Mild	Low	False	Yes

Uporabite model kNN z vrednostjo k = 3 in uporabo Hammingove razdalje. Algoritem vedno vzame natanko k sosedov. Če ima več sosedov enako vrednost imajo prednost sosedi, ki so na vrhu tabele.V kateri razred bi kNN klasificiral naslednji primer?
(Outlook=Rainy,Temp=Mild,Humidity=High,Windy=False)

Vnesite vmesne in končni rezultat.
Zapišite oddaljenost iskanega primera od vrstice 3 .

Hammingova razdalja = Answer 1 Vprašanje 6

Izberite vrstice k najbližjih sosedov:

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

Točk 1,00 od 1,00

Izberite razrede dobljenih sosedov (po vrsti, glede na vrstico):
Answer 2 Vprašanje 6
Izberite napovedan razred.
Answer 3 Vprašanje 6

Vprašanje 7

Pravilno

Točk 1,00 od 1,00

Vprašanje z zastavico

Besedilo vprašanja

Tudi ostali golfisti so začeli spremljati vpliv vremena na njihovo odločitev glede igranja golfa. Spodaj so zbrani podatki enega izmed golfistov. (Vrednosti v tabeli so naključno generirane).

	Outlook	Temp	Humidity	Windy	PlayGolf
1	Overcast	Mild	High	True	Yes
2	Sunny	Cool	High	True	Yes
3	Sunny	Cool	High	True	Yes
4	Sunny	Cool	Low	True	No
5	Sunny	Cool	Low	False	Yes
6	Rainy	Cool	High	False	No
7	Rainy	Cool	High	True	Yes
8	Rainy	Cool	High	False	No
9	Sunny	Cool	High	True	Yes
10	Rainy	Hot	High	True	Yes
11	Sunny	Cool	Low	True	No
12	Sunny	Mild	High	False	Yes
13	Sunny	Cool	High	False	No
14	Sunny	Cool	Low	True	No
15	Sunny	Cool	High	True	Yes

Za atribut Windy izračunajte vrednosti točk nomograma.Za izračun točk uporabljajte naravni logaritem, Laplacevo oceno ter vrednosti točk vpišite na 3 decimalke.

Najprej izpolnite spodnjo tabelo.

	Yes	No
True	Answer 1 Vprašanje 7	Answer 2 Vprašanje 7
False	Answer 3 Vprašanje 7	Answer 4 Vprašanje 7

Vnesi izračune točk za vrednost razreda Yes.

P(Yes|True): Answer 5 Vprašanje 7

P(Yes|False): Answer 6 Vprašanje 7

Vprašanje 8

Pravilno

Točk 1,00 od 1,00

Vprašanje z zastavico

Besedilo vprašanja

Podana je učna množica primerov z atributi znamka, barva in sadež ter označbo OZNAČBA. Prvi stolpec podaja zaporedne številke primerov (ne predstavlja atributa).

	znamka	barva	sadež	OZNAČBA
1	5	5	1	9,6
2	0	1	3	3,6
3	3	8	4	9,8
4	3	1	4	3,6
5	4	5	2	9,5
6	8	2	0	2,5
7	2	0	4	3,7
8	4	5	4	6,8
9	3	2	4	5,4

Naloga:

Z uporabo lokalno utežene regresije napovej označbo primeru z vrednostmi atributov znamka=9, barva=6 in sadež=3. Pred računanjem ni potrebno normalizirati atributov. Pri izračunu uporabi manhattansko razdaljo in naslednjo funkcijo za uteževanje primerov, v kateri

d (x_{1}, x_{2})

predstavlja razdaljo med dvema primeroma

x_{1}

in

x_{2}

:

w (x_{1}, x_{2}) = {\begin{cases} 1, & če d (x_{1}, x_{2}) = 0 \\ \frac{1}{d (x_{1}, x_{2})^{2}}, & če 0 < d (x_{1}, x_{2}) < 10 \\ 0, & sicer \end{cases}

V spodnjo tabelo zapiši izračunane razdalje od podanega primera do primerov iz učne množice, izračunane uteži in končno napovedano označbo. Vse vrednosti zapiši na tri decimalna mesta natančno.

primer	razdalja d	utež w
1	Answer 1 Vprašanje 8	Answer 2 Vprašanje 8
2	Answer 3 Vprašanje 8	Answer 4 Vprašanje 8
3	Answer 5 Vprašanje 8	Answer 6 Vprašanje 8
4	Answer 7 Vprašanje 8	Answer 8 Vprašanje 8
5	Answer 9 Vprašanje 8	Answer 10 Vprašanje 8
6	Answer 11 Vprašanje 8	Answer 12 Vprašanje 8
7	Answer 13 Vprašanje 8	Answer 14 Vprašanje 8
8	Answer 15 Vprašanje 8	Answer 16 Vprašanje 8
9	Answer 17 Vprašanje 8	Answer 18 Vprašanje 8

Napoved primera z atributi znamka=9, barva=6 in sadež=3: Answer 19 Vprašanje 8

Vprašanje 9

Pravilno

Točk 1,00 od 1,00

Vprašanje z zastavico

Besedilo vprašanja

Katere trditve so resnične?

Izberite en ali več odgovorov:

Enojno povezano hierarhično gručenje začne tako, da vstavi vsako točko v svojo gručo.

Popolno povezano hierarhično gručenje začne tako, da vstavi vsako točko v svojo gručo.

Popolno povezano hierarhično gručenje začne tako, da vstavi vse točke v eno gručo.

Popolno povezano hierarhično gručenje je računsko zahtevnejše od enojno povezanega.

Enojno povezano hierarhično gručenje začne tako, da vstavi vse točke v eno gručo.

Pripombe

Vaš odgovor je pravilen.

Vprašanje 10

Pravilno

Točk 1,00 od 1,00

Vprašanje z zastavico

Besedilo vprašanja

Katere trditve so resnične?

Izberite en ali več odgovorov:

Hierhično gručenje predstavimo z dendrogramom.

Metodo k-voditeljev predstavimo z dendrogramom.

Metoda k-means ni občutljiva na izbiro mere razdalje.

Hierhično gručenje z enojno povezanostjo in popolno povezanostjo v prvem koraku na enakih podatkih vedno združita isti dve točki.

Metoda k-voditeljev vedno konvergira v optimalne gruče.

Pripombe

Vaš odgovor je pravilen.

Vprašanje 11

Pravilno

Točk 2,00 od 2,00

Vprašanje z zastavico

Besedilo vprašanja

Podane imate točke v 2d prostoru. Z metodo k-voditeljev (k-means) simulirajte algoritem za k = 2 in uporabo evklidske razdalje. Za vsako točko imate podano tudi začetno gručo v kateri algoritem začne. Izračune vnašajte na 3 decimalke. Podatki so že normalizirani.

	X	Y	Začetna gruča
A	0.2	8	1
B	2.9	7.3	1
C	8.7	3.4	1
D	8	6.7	2
E	3.1	5.6	2
F	4.7	2.3	2

Kateri so začetni centroidi gruč?

Gruča 1:

X: Answer 1 Vprašanje 11, Y: Answer 2 Vprašanje 11

Gruča 2:

X: Answer 3 Vprašanje 11, Y: Answer 4 Vprašanje 11

Označite točke, ki so po končanem postopku v prvi gruči.

A

B

C

D

E

F

Točk 4,00 od 4,00

Kateri so končni centroidi gruč?

Gruča 1:

X: Answer 5 Vprašanje 11, Y: Answer 6 Vprašanje 11

Gruča 2:

X: Answer 7 Vprašanje 11, Y: Answer 8 Vprašanje 11

Vprašanje 12

Pravilno

Točk 2,00 od 2,00

Vprašanje z zastavico

Besedilo vprašanja

Podane imate točke v 2d prostoru. Simuliratje algoritem hierarhičnega gručenja z uporabo Manhattanske razdalje. Izračune vnašajte na 3 decimalke. Podatki so že normalizirani. Če je razdalja med več gručami enaka, algoritem vedno združi gruči, tiste, ki se v matriki razdalj pojavljajo najprej (najbolj visoko in nato najbolj levo).

	X	Y
1	76	35
2	84	9
3	60	41
4	75	88
5	86	59
6	40	36
7	30	66

Na katerih razdaljah se izvrši združevanje skupin, če uporabljate popolno povezanost? Vrednosti vnesite po vrsti.

1: Answer 1 Vprašanje 12

2: Answer 2 Vprašanje 12

3: Answer 3 Vprašanje 12

4: Answer 4 Vprašanje 12

5: Answer 5 Vprašanje 12

6: Answer 6 Vprašanje 12

Na katerih razdaljah se izvrši združevanje skupin, če uporabljate enojno povezanost? Vrednosti vnesite po vrsti.

1: Answer 7 Vprašanje 12

2: Answer 8 Vprašanje 12

3: Answer 9 Vprašanje 12

4: Answer 10 Vprašanje 12

5: Answer 11 Vprašanje 12

6: Answer 12 Vprašanje 12

Kateri dve točki se v obeh primerih najprej združita v eno gručo?

1

2

3

4

5

6

7

Točk 4,00 od 4,00

Vprašanje 13

Pravilno

Točk 1,00 od 1,00

Vprašanje z zastavico

Besedilo vprašanja

Podan imate graf, ki prikazuje preprosto nevronsko mrežo kot ste jo spoznali na predavanjih.

Predpostavite, da nevronska mreža uporablja ReLU aktivacijsko funkcijo.

Uteži so definirane kot:

w_{i j}^{(k)} = [\begin{matrix} w_{01}^{(k)} & w_{02}^{(k)} \\ w_{11}^{(k)} & w_{12}^{(k)} \\ w_{21}^{(k)} & w_{22}^{(k)} \end{matrix}]

Konkretno:

w_{i j}^{(1)} = [\begin{matrix} 0.786 & 0.074 \\ 0.605 & 0.007 \\ 0.673 & 0.632 \end{matrix}]

in

w_{i j}^{(2)} = [\begin{matrix} 1.185 & 1.491 \\ 0.717 & 0.406 \\ 1.008 & 1.679 \end{matrix}]

Izračunajte vrednosti na izhodnih nevronih pri vhodu

x = (0.728, 0.871)

.

Rezultat vnesite na 3 decimalke natančno.

Vrednosti izhodnih nevronov so:

y = (

Answer 1 Vprašanje 13, Answer 2 Vprašanje 13

)

.

Vprašanje 14

Pravilno

Točk 1,00 od 1,00

Vprašanje z zastavico

Besedilo vprašanja

Podan imate graf, ki prikazuje preprosto nevronsko mrežo kot ste jo spoznali na predavanjih.

Predpostavite, da nevronska mreža uporablja Sigmoidno aktivacijsko funkcijo.

Uteži so definirane kot:

w_{i j}^{(k)} = [\begin{matrix} w_{01}^{(k)} & w_{02}^{(k)} \\ w_{11}^{(k)} & w_{12}^{(k)} \\ w_{21}^{(k)} & w_{22}^{(k)} \end{matrix}]

Konkretno:

w_{i j}^{(1)} = [\begin{matrix} 0.873 & 0.719 \\ 0.625 & 0.796 \\ 0.919 & 0.388 \end{matrix}]

in

w_{i j}^{(2)} = [\begin{matrix} 1.975 & 0.153 \\ 0.569 & 0.410 \\ 0.563 & 0.479 \end{matrix}]

Izračunajte vrednosti na izhodnih nevronih pri vhodu

x = (0.238, 0.863)

.

Rezultat vnesite na 3 decimalke natančno.

Vrednosti izhodnih nevronov so:

y = (

Answer 1 Vprašanje 14, Answer 2 Vprašanje 14

)

.

Vprašanje 15

Neodgovorjeno

Točkovano od 1,00

Vprašanje z zastavico

Besedilo vprašanja

Podan imate graf, ki prikazuje preprosto nevronsko mrežo kot ste jo spoznali na predavanjih.

Predpostavite, da nevronska mreža uporablja ReLU aktivacijsko funkcijo.

Uteži so definirane kot:

w_{i j}^{(k)} = [\begin{matrix} w_{01}^{(k)} & w_{02}^{(k)} \\ w_{11}^{(k)} & w_{12}^{(k)} \\ w_{21}^{(k)} & w_{22}^{(k)} \end{matrix}]

Konkretno:

w_{i j}^{(1)} = [\begin{matrix} 0.862 & 0.950 \\ 0.739 & 0.457 \\ 0.851 & 0.847 \end{matrix}]

in

w_{i j}^{(2)} = [\begin{matrix} 1.135 & 0.914 \\ 1.745 & 1.976 \\ 0.332 & 0.009 \end{matrix}]

Pri zgoraj podanem vhodu velja

a^{(1)} = (2.171, 2.1)

in

a^{(2)} = (5.621, 5.224)

.

Pri danem vhodu

x = (0.55, 1.061)

je želeni izhod nevronske mreže

y = (0.882, 0.774)

.

Izračunajte manjkajoče vrednosti posodobljenih uteži in jih vnesite v spodnjo tabelo pri hitrosti učenja

η = 0.2

.

Rezultate vnesite na 3 decimalke natančno.

Nove uteži:

	┌	0.885	0.954	┐
$w_{i j}^{(1)} =$	│	0.752	Answer 1 Vprašanje 15	│
	└	0.875	0.851	┘

in

	┌	1.148	0.914	┐
$w_{i j}^{(2)} =$	│	1.755	1.976	│
	└	Answer 2 Vprašanje 15	0.009	┘

Vprašanje 16

Neodgovorjeno

Točkovano od 1,00

Vprašanje z zastavico

Besedilo vprašanja

Podan imate graf, ki prikazuje preprosto nevronsko mrežo kot ste jo spoznali na predavanjih.

Predpostavite, da nevronska mreža uporablja Sigmoidno aktivacijsko funkcijo.

Uteži so definirane kot:

w_{i j}^{(k)} = [\begin{matrix} w_{01}^{(k)} & w_{02}^{(k)} \\ w_{11}^{(k)} & w_{12}^{(k)} \\ w_{21}^{(k)} & w_{22}^{(k)} \end{matrix}]

Konkretno:

w_{i j}^{(1)} = [\begin{matrix} 0.279 & 0.529 \\ 0.963 & 0.980 \\ 0.091 & 0.071 \end{matrix}]

in

w_{i j}^{(2)} = [\begin{matrix} 0.655 & 0.740 \\ 1.431 & 1.516 \\ 0.004 & 1.486 \end{matrix}]

Pri zgoraj podanem vhodu velja

a^{(1)} = (0.83, 0.863)

in

a^{(2)} = (0.864, 0.964)

.

Pri danem vhodu

x = (1.253, 1.122)

je želeni izhod nevronske mreže

y = (0.55, 0.888)

.

Izračunajte manjkajoče vrednosti posodobljenih uteži in jih vnesite v spodnjo tabelo pri hitrosti učenja

η = 0.2

.

Rezultate vnesite na 3 decimalke natančno.

Nove uteži:

	┌	Answer 1 Vprašanje 16	0.530	┐
$w_{i j}^{(1)} =$	│	0.962	0.981	│
	└	0.090	0.072	┘

in

	┌	0.647	Answer 2 Vprašanje 16	┐
$w_{i j}^{(2)} =$	│	1.425	1.519	│
	└	0.003	1.489	┘