Kuiz berkaitan panduan · Sederhana Tahap

Algebra Linear untuk Kuiz Pembelajaran Mesin

Amalkan bentuk matriks, produk titik, transpos dan kedudukan menggunakan contoh ML konkrit, dan asingkan aritmetik yang sah daripada makna data yang betul.

Laluan panduan yang berkaitanAlgebra Linear Untuk Pembelajaran Mesin
soalan 1 daripada 8

X mempunyai 100 baris dan 3 lajur ciri, dan w mempunyai bentuk 3 kali 1. Apakah bentuk Xw?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. X mempunyai 100 baris dan 3 lajur ciri, dan w mempunyai bentuk 3 kali 1. Apakah bentuk Xw?
    • 100 by 1
    • 3 by 100
    • 1 by 3
    • 100 by 3
  2. What result comes from the dot product [1, 2] · [2, −1]?
    • 4
    • 0
    • −2
    • 2
  3. X has rows [1, 2] and [3, 4]. Multiplying by [2, −1] gives which vector?
    • [2, −2]
    • [0, 7]
    • [0, 2]
    • [3, 7]
  4. A 5-by-2 matrix is transposed. Which dimensions result?
    • 5 by 2
    • 5 by 5
    • 2 by 2
    • 2 by 5
  5. Matriks ciri segi empat sama mempunyai dua lajur yang serupa. Apakah kesimpulan yang harus dibuat oleh pengamal tentang kebolehsongsangan?
    • It lacks full column rank and is not invertible
    • It is invertible because it is square
    • Duplicating a column doubles the number of independent directions
    • Its inverse is its transpose
  6. Both AB and BA are defined for two matrices. What can be assumed about their values?
    • They must always be equal
    • They need not be equal
    • One must be all zeros
    • Both must be identity matrices
  7. Hasil darab matriks-vektor mengembalikan skor terhingga tanpa ralat. Apakah yang masih perlu disahkan sebelum penggunaan?
    • Whether every matrix has an inverse
    • Whether all coefficients are integers
    • Feature meanings, units and column order
    • Whether the matrix contains only positive entries
  8. Mengapa mengira contoh matriks kecil secara manual sebelum menjalankan saluran paip yang besar?
    • To prove that all future data are representative
    • To avoid documenting the feature schema
    • To guarantee every matrix is nonsingular
    • To check axes and the intended operation against a known result