Какое из четырёх утверждений неверно?
Алгоритм, основанный на использовании метрики Хэмминга, строит дерево решений, используя обучающую выборку. Это дерево решений:

• Обязательно будет бинарным.
• Каждый путь от корня дерева к листу не содержит повторных проверок уже использованных атрибутов.
• В корне дерева находится наиболее близкий к решающему атрибуту признак.
• Конечные вершины дерева (листья) могут быть взвешены именами более чем двух классов.

Другие предметы Университет Алгоритмы машинного обучения интеллектуальные информационные системы алгоритм метрика Хэмминга дерево решений обучающая выборка бинарное дерево атрибуты корень дерева классы конечные вершины Новый

Для того чтобы определить, какое из утверждений неверно, давайте проанализируем каждое из них по отдельности.

1. Обязательно будет бинарным.

   Это утверждение верно. Алгоритмы построения дерева решений, как правило, создают бинарные деревья, где каждый узел имеет не более двух дочерних узлов. Однако, существуют и многоуровневые деревья, но в контексте данного вопроса, если говорить о стандартных алгоритмах, то они действительно создают бинарные деревья.

2. Каждый путь от корня дерева к листу не содержит повторных проверок уже использованных атрибутов.

   Это утверждение также верно. В процессе построения дерева решений каждый атрибут используется только один раз на пути от корня до листа. Это позволяет избежать избыточности и улучшает интерпретируемость дерева.

3. В корне дерева находится наиболее близкий к решающему атрибуту признак.

   Это утверждение неверно. В корне дерева обычно находится атрибут, который наиболее эффективно разделяет данные по классам, а не просто "ближайший к решающему". Это может быть атрибут с наибольшей информационной выгодой или наименьшей энтропией.

4. Конечные вершины дерева (листья) могут быть взвешены именами более чем двух классов.

   Это утверждение верно. В листьях дерева решений могут находиться данные, относящиеся к нескольким классам, и в зависимости от алгоритма, листья могут представлять более чем два класса.

Таким образом, неверным является третье утверждение: "В корне дерева находится наиболее близкий к решающему атрибуту признак". Правильнее сказать, что в корне дерева находится атрибут, который лучше всего разделяет данные на классы.