Sie befinden sich hier: Termine » Prüfungsfragen und Altklausuren » Hauptstudiumsprüfungen » Lehrstuhl 5 » pr_februar_15_7   (Übersicht)

Dies ist eine alte Version des Dokuments!


Prüfer: Prof. Nöth

(Werd am Wochenende eine schöne Formatierung machen, gerade keine Zeit):

Die Klausur war am 1.April. Nachdem ich nach der Prüfung kurz vor der Tür gewartet hab, und dann wieder hereingebeten wurde, um meine Note zu erfahren, hat er erstmal gemeint… Na das müssen wir nochmal machen… Haha April,April…

Performance Evaluation am Beispiel Viola Jones

Er hat eine Confusionmatrix aufgezeichnet

Ref\Hyp | A | B

A| 6000 | 4000

B| 2 | 98

Was sieht man hier, was bedeuten die Einträge?

Wir haben den Violoa Jones Algorithmus kennen gelernt, wie funktionert der?

Woran kann man an der Confusion-Matrix erkennen, dass dies für einen Viola Jones Algorithmus verwendet wurde? Welche der beiden Klassen entspricht (vermutlich) einem Gesicht?

Was passiert mit den 4098 Einträgen in der nächsten Stufe des VJ-Algorithmus?

Bayes

Wann ist ein Bayes-Classifikator optimal?

Ist die obige Confusion-Matrix an einem Bayes-Klassifikator erstellt worden?

Wie lautet die Formel für Bayes, was heißen die einzelnen Terme, und warum kann p(x) vernachlässigt werden?

Wie kann man p(x|y) bestimmen?

Welche Verteilung nimmt man an, wieviele Rechenoperationen sind dafür von Nöten bei einem 50Dimensionalem Feature-Vektor?

Wie sieht die Cov bei einem Naiiven Bayes aus?

Was passiert mit einer (voll besetzen) Cov, wenn man LDA anwendet?

Angenommen sie arbeiten in einem Krankenhaus. Der Chefarzt kommt zu ihnen und sagt: „Wenn wir von einem Patienten stündlich über 50 Stunden die Temperatur messen, so können wir danach sagen, ob er nun gesund ist, oder nicht.“ Kann hier Naiive Bayes angewendet werden?

EM-Algorithmus

Er hat eine unförmige Menge aufs Blatt gezeichnet, wie kann man hier die Parameter bestimmen? Wieviele k Gausskurven benötigt mann, kann man das irgendwie berechnen, oder ist da try-and-error das besste. Was passiert, wenn man k gegen unendlich gehen lässt? Wie geht ein E und ein M step, was wird jeweils berechnet.

Perceptrons und SVM

Er hat zwei sich überlappende Mengen gezeichnet. Geht hier ein einfaches Perceptron? Wenn nicht, was passiert mit dem Lernalgorithmus, wenn man's trozdem versucht?

Nun zwei getrennte Mengen aufgezeichnet, funktioniert's nun? Ist die Lösung des Perceptrons optimal? Wovon hängt das ab?

Mit welchem Algorithmus kann man eine optimale Lösung finden? Wie lautet das Optimierungsproblem? (d.h. Formeln)

Wie kann man den SVM doch auf das sich überlappende Problem anwenden? Kernels, und soft-Margin. Wollte aber dann nurnoch hören wie sich das opt. Problem bei soft-margin ändert, zu Kernels nicht's mehr.