частку правильно ідентифікованих випадків «паталогія» серед всіх випадків цього класу

частку неправильно ідентифікованих випадків «норма» серед усіх випадків, які система віднесла до цього класу

загальну ймовірність тесту давати правильні результати

частку неправильно ідентифікованих випадків «паталогія» серед всіх випадків, які система віднесла до цього класу

частку правильно ідентифікованих випадків «норма» серед усіх випадків цього класу

Сильний позитивний вплив на врожайність Y

Сильний негативний вплив на врожайність Y

Слабкий негативний вплив на врожайність Y

Слабкий позитивний вплив на врожайність Y

Не чинить впливу на врожайність Y

повнота бінарного класифікатора

Чутливість бінарного класифікатора

точність бінарного класифікатора

специфічність бінарного класифікатора

надійність бінарного класифікатора

Кількість класів відома наперед

Кількість класів не перевищує трьох

Кількість класів наперед невідома

Кількість класів не перевищує двох

Кількість класів визначається у ході навчання

50

30

10

1

70

Алгоритмом половинного поділу

Жадібним алгоритмом

Алгоритмом градієнтного спуску

Алгоритмом Дейкстри

Правилом найменших квалратів

провести дві прямі між групами об’єктів так, щоб між ними утворився найбільший зазор

використати декілька векторів для побудови многокутника, який обмежує групу об’єктів

провести дві прямі між групами об’єктів так, щоб між ними утворився найменший зазор

використати декілька векторів для побудови розділяючої прямої

провести дві криві між групами об’єктів так, щоб між ними утворився найбільший зазор

результат підсумовування

вихідний сигнал нейрона

вага синапса

значення зсуву

компонент вектора чи входу вхідного сигналу

повинна містити лише один прихований шар

повинна містити один або два прихованих шари

не повинна містити прихованих шарів

повинна містити два або більше прихованих шарів

може не містити прихованих шарів

результат підсумовування

вихідний сигнал нейрона

вага синапса

функція активації

компонент вектора чи входу вхідного сигналу