机器学习实战1-概览

1.你会怎么定义机器学习？

利用计算机，从大量现有数据中学习，建立模型，以对某一现象进行更好的描述、预测。

2.机器学习在哪些问题上表现突出？

传统手段无法解决的、需要大量手动调整、规则极其复杂的问题；

3.什么是被标记的训练数据集？

监督学习中提供给算法的包含所需解决方案的，属于一定类别或存在一定特征的训练数据。

4.常见的两种监督式学习任务是？

分类任务与回归任务。

算法包括：K-临近算法、线性回归、逻辑回归、支持向量机、决策树和随机森林与神经网络。

5.四种常见的无监督式学习任务？

即训练数据未被标记，聚类、可视化、降维、关联规则学习。

算法包括：聚类算法（K-平均算法、分层聚类分析、最大期望算法）、可视化和降维（主成分分析、核主成分分析、局部线性嵌入、t-分布随机临近嵌入）、关联规则学习（Apriori、Eclat）

6.机器人行走该用什么机器学习算法？

强化学习（奖惩）。

7.顾客分组？

聚类算法、分类算法。

8.垃圾邮件检测？

监督学习。

9.在线学习系统？

循序渐进地给系统提供训练数据，逐步累积学习成果（增量学习）。

10.核外学习？

处理计算机内存无法应对的大量数据，将数据分割，使用在线学习。

11.什么类型的算法依赖相似度做预测？

基于实例的学习。

12.模型参数与学习算法的超参数之间有什么区别？

超参数是学习算法（而非模型）的参数，它不受算法本身影响，需在训练前设定并保持固定。

13.基于模型的学习算法搜索的是什么？最常用的策略是？如何做出预测？

最优的模型参数值；适应度函数、成本函数衡量模型好坏；学习数据、选择模型、使用训练数据训练、将实例特征提供给得到的预测函数对新实例进行预测。

14.机器学习的四个主要挑战？

训练数据量不足、训练数据不具有代表性、特征不具信息量、质量差的数据、训练数据过度拟合与不足。

15.模型在训练数据上表现很好，但应用到新实例上的泛化结果却很糟？三种可能的解决方案？

过拟合，简化模型、收集更多数据、减少训练数据噪声。

16.什么是测试集？为什么使用测试集？

为了解模型对新场景的泛化能力，将数据分割为训练集与测试集两部分，用后者评估、测试模型，估算在新实例上的泛化误差。

17.验证集的目的？

用以选择最好的模型和对应的超参数。

18.使用测试集调整超参数会出现什么问题？

过拟合。

19.什么是交叉验证？为何比验证集更好？

为避免验证集浪费太多训练数据，将训练集分为若干互补子集，无需单独的验证集。