На плоскости даны следующие точки в двумерном пространстве: с соответствующими метками классов .

С помощью leave-one-out кросс-валидации найдите оптимальное число соседей в методе ближайших соседей. 

В качестве меры близости используется евклидово расстояние,  метрика качества - accuracy.

На собеседование в некоторую компанию кандидаты на должность data scientist’a либо приходят пешком, либо приезжают на автомобиле. У нас имеется информация о 100 кандидатах. Для них мы также знаем, приняли кандидата на должность или нет. Имеющиеся у нас данные представлены в виде матрицы ниже:

Используем логистическую регрессию без регуляризации для предсказания вероятности того, что кандидата возьмут на должность в зависимости от того, пришёл он пешком или приехал на машине.

Какой прогноз вероятности того, что кандидат, пришедший пешком, будет принят на должность даёт логистическая модель? Ответ округлите до сотых.

Компания по страхованию автомобилей разделяет водителей по трѐм классам: класс А (мало рискует), класс В (рискует средне), класс С (рискует сильно). 

Компания предполагает, что из всех водителей, застрахованных у неѐ, 30% принадлежат классу А, 50% – классу В, 20% – классу С. Вероятность того, что в течение года водитель класса А попадѐт хотя бы в одну автокатастрофу, равна 0,01; для водителя класса В эта вероятность равна 0,03, а для водителя класса С – 0,1. Мистер Джонс страхует свою машину у этой компании и в течение года попадает в автокатастрофу. Какова вероятность того, что он относится к классу А? Ответ округлите до сотых.