• Keine Ergebnisse gefunden

Algorithmische Grundlagen des Maschinellen Lernens Sommersemester 2020

N/A
N/A
Protected

Academic year: 2022

Aktie "Algorithmische Grundlagen des Maschinellen Lernens Sommersemester 2020"

Copied!
1
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Anne Driemel

Thomas Kesselheim 28. April 2020

Xianghui Zhong Abgabe bis: 4. Mai 2020, 12 Uhr

Algorithmische Grundlagen des Maschinellen Lernens Sommersemester 2020

Ubungsblatt 2 ¨

Aufgabe 1: (5 Punkte)

(Vereinigung vonk Intervallen) Betrachten Sie als HypothesenklasseHdie Menge aller Funk- tionen der Form

ha,b: R→ {−1,+1}, mit a, b∈Rk und

ha,b(x) =

(+1 falls x∈Sk

i=1[ai, bi]

−1 sonst

Sei S = {x1, . . . , xm}. Wieviele verschiedene Wege gibt es, den Elementen in S Labels zu geben mithilfe einer Funktion in H? In anderen Worten, wie groß ist

H|S

?

Aufgabe 2: (5 Punkte)

Sei die Grundmenge R2. Zeigen Sie

1. Das Mengensystem aller achsenparallelen Quadrate hat VC-Dimension h¨ochstens 3.

2. Das Mengensystem aller Quadrate hat VC-Dimension mindestens 4.

Aufgabe 3: (3 Punkte)

Sei R ein Mengensystem mitm-elementiger Grundmenge und dim(R) = 0.

1. Zeigen Sie R

≤1.

2. Gibt es eine obere Schranke f¨ur m in diesem Fall?

Aufgabe 4: (3 Punkte)

SeiRein Mengensystem mit GrundmengeX und seiA⊆ X eine beliebige Teilmenge. Zeigen Sie, dass dim(R|A)≤dim(R).

Aufgabe 5: (4 Punkte)

Es sei D eine diskrete Wahrscheinlichkeitsverteilung auf einer endlichen Menge. Es gibt also a1, . . . , an, sodass Prx∼D[x=ai] =pi und Pn

i=1pi = 1.

Zeigen Sie, dass die folgenden zwei Wege, eine Menge S und S0 zu erzeugen, ¨aquivalent sind.

1. S ist eine Menge von m zuf¨allig aus D gezogenen Samples. S0 ist eine Menge von m zuf¨allig ausD gezogenen Samples.

2. Es seien X1, . . . , X2m unabh¨angige, identisch verteilte Z¨uge aus D. Nun ziehe m mal zuf¨allig gleichverteilt ohne Zur¨ucklegen aus diesen Z¨ugen und nenne das Ergebnis S.

Die Menge S0 umfasst alle verbleibenden Elemente.

Tipp: Vergleichen Sie die Wahrscheinlichkeiten, dass ein Element ai (nicht) in der Menge enthalten ist.

Referenzen

ÄHNLICHE DOKUMENTE

We introduced a novel approach to remote homology detection based on oligomer distance histograms (ODH) for feature space representation of protein sequences.. Although the ODH

[r]

Um die Batterie bestmöglich nutzen zu können, muss deren Zustand stets überwacht werden.. Eine bewährte und maßgeblich am ISEA entwickelte Methode ist die sogenannte

In einer Simulation konnte gezeigt werden, dass es mit Methoden des bestärkenden Lernens möglich ist, ein künstliches neuronales Netz so zu trainieren, dass die Regelung

Es seien S und S 0 zwei Mengen von jeweils m Samples unabh¨ angig gezogen aus der gleichen Verteilung. Ihr Beispiel sollte keine 4 Punkte enthalten, die affin abh¨

Geben Sie ein Beispiel im realisierbaren Fall an, in dem die Soft-SVM-L¨ osung eine Hypothese liefert, die nicht alle Datenpunkte

Sei die Gerade durch ihre Steigung a und Achsenabschnitt b

Die Vorverarbeitung sollte daf¨ ur eine geeignete Datenstruktur auf der Menge S berechnen und darf beliebig viel Zeit kosten. (c)