6. Контрольні запитання #

Ці запитання допомагають перевірити готовність до роботи й самоконтроль після неї. Відповіді спираються на методичні вказівки та Лекцію 6.

Класифікація та машинне навчання #

1. Що таке класифікація? Чим вона відрізняється від регресії (Лекція 5) і від кластеризації (Лекція 9)?
2. Що таке навчання з учителем і без учителя? До якого типу належить kNN?
3. Навіщо ділити дані на тренувальну й тестову множини? Що таке перенавчання (overfitting)?

Метод kNN #

4. Сформулюйте означення kNN. Чому його називають лінивим навчанням і що це означає для швидкості класифікації?
5. Опишіть алгоритм kNN за кроками (відстані → сусіди → голосування).
6. Як вибір $k$ впливає на результат? Чому мале $k$ чутливе до шуму, а велике надмірно згладжує? Чому для двокласової задачі беруть непарне $k$?
7. Що таке зважений kNN? Які беруть ваги й навіщо (як це знімає нічию)?

Відстані та нормалізація #

8. Запишіть формули евклідової, манхеттенської відстаней та відстані Мінковського. Що таке відстань Геммінга і коли її застосовують?
9. Навіщо нормалізувати ознаки перед kNN? Що станеться, якщо цього не зробити? Наведіть формули мінімаксної нормалізації та $z$-стандартизації.
10. Чому для порівняння сусідів достатньо квадрата відстані $d^2$ і корінь можна не брати?

Оцінювання класифікатора #

11. Що таке матриця невідповідності? Розшифруйте $TP$, $TN$, $FP$, $FN$ та поясніть різницю між помилками I та II роду.
12. Дайте означення правильності, точності й чутливості. Чому правильність (accuracy) оманлива на незбалансованих класах?
13. Що таке $F_1$-міра і чому беруть саме гармонійне середнє точності й чутливості? Що описує коефіцієнт Меттьюза (MCC) і які значення він набуває?

Laboratory/Laboratory6/6questions.md · 3.1 KB · updated 2026-08-04 23:18