В системе Data Mining возможна работа с обучающими выборками, которые обладают таким свойством: в обучающей выборке присутствуют объекты, идентичные по всем атрибутам (признакам), но отнесённые к разным классам.
Какое определение правильно?
Такие обучающие множества

• содержат неопределённую информацию
• содержат противоречивую информацию
• содержат неполную информацию
• содержат неточную информацию

Другие предметы Университет Классификация и обучение в Data Mining Data Mining обучающие выборки объекты атрибуты классы неопределённая информация противоречивая информация неполная информация неточная информация Новый

В данном случае, когда в обучающей выборке присутствуют объекты, идентичные по всем атрибутам, но отнесённые к разным классам, мы имеем дело с ситуацией, когда информация о классах этих объектов противоречива. Это связано с тем, что одинаковые по всем признакам объекты должны принадлежать к одному и тому же классу, если мы говорим о корректности данных.

Таким образом, правильный ответ на ваш вопрос:

• содержат противоречивую информацию

Теперь давайте разберем это более подробно:

1. Определение противоречивой информации: Противоречивая информация - это данные, которые не могут быть одновременно истинными. В нашем случае, если два объекта с одинаковыми признаками относятся к разным классам, это создает противоречие.
2. Почему это важно: В системах Data Mining важно иметь качественные обучающие выборки, так как они влияют на точность и надежность моделей. Противоречивые данные могут привести к ошибкам в классификации и снижению общей эффективности системы.
3. Что делать с такими данными: Необходимо провести анализ данных, чтобы выявить причины противоречий. Возможно, потребуется очистить данные, удалить дубликаты или провести дополнительную проверку на корректность разметки классов.

Таким образом, работа с противоречивой информацией требует особого подхода и внимания для достижения надежных результатов в Data Mining.