机器学习西瓜书 名次解释，概念题汇总

已于 2022-11-02 14:15:38 修改
阅读量305 收藏 3
点赞数
文章标签： 人工智能 python
于 2022-11-01 20:04:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/iloveMIShanhan/article/details/127618474
版权

第一章：

  1. 什么是机器学习？
  2. 画图简述机器学习一般做法
  3. 什么是统计学习？
  4. 样本（示例）
  5. 属性
  6. 属性空间/样本空间/输入空间
  7. 维数
  8. 学习
  9. 训练数据
  10. 假设
  11. 真相
  12. 学习器
  13. 标记
  14. 样例
  15. 分类
  16. 回归
  17. 测试
  18. 监督学习VS无监督学习
  19. 泛化
  20. 假设空间
  21. 版本空间
  22. 归纳偏好
  23. 为什么模型需要有归纳偏好？
  24. 归纳偏好VS特征工程
  25. 奥卡姆剃刀
  26. 没有免费午餐定理
  27. 归纳学习
  28. 机械学习
  29. 深度学习
  30. 为什么深度学习近年来热起来？
  31. 数据挖掘
  32. 数据挖掘与机器学习有什么关系
  33. 大数据时代三大关键技术是？分别解释其用途

第二章

  1. 错误率
  2. 精度
  3. 误差
  4. 训练误差/经验误差
  5. 泛化误差
  6. 测试误差
  7. 欠拟合VS过拟合
  8. 为什么说欠拟合不可避免，只能缓解？
  9. 留出法
  10. 交叉验证法
  11. 自助法
  12. 超参数
  13. 混淆矩阵
  14. 查准率
  15. 查全率
  16. P-R图是怎么画的？怎么根据P-R图选择不同的学习器？
  17. F1度量
  18. F_{\beta }度量，其中贝塔的含义是
最低0.47元/天 解锁文章
Lennon �
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
常用机器学习面试基础概念题汇总
FPGA/MATLAB学习教程/源码/项目合作开发
10-19 666
16、问题：如果给你一些数据集，你会如何分类（我是分情况答的，从数据的大小，特征，是否有缺失，分情况分别答的）；23、Caffe：整体架构说一下，新加一个层需要哪些步骤，卷积是怎么实现的，多卡机制，数据并行还是模型并行？32、第二面完整推导了svm一遍，还有强化学习问的很多，dqn的各种trick了解多少，怎么实现知不知道。手写了tensorflow的图像分类代码，还有问之前线下笔试最后编程题的思路，算法复杂度，然后项目也问。24、给你一个检测的项目，检测罐装的可口可乐，瓶装的可口可乐作为负样本，怎么弄？
机器学习-期末复习
whaha12的博客
01-02 962
文章目录第一讲 人工智能的引擎1.什么是机器学习2.机器学习三要素3.设计人脸识别系统/分为几个步骤4.机器学习的分类第二讲 模型评估（简答）1.过拟合欠拟合2.训练集测试集验证集请问训练集测试集验证集分别是什么？请问如何切割训练集验证集测试集？准则是什么？怎么样做评估？评估里面传统方法有哪些方法？什么叫留出法？什么叫交叉验证法？3.性能度量第三讲 k近邻算法1.简答题：kNN概念关于学不学习？流程比如1近邻算法是过拟合还是欠拟合？K不一样时会面临什么问题？有什么优缺点？给个向量，如何找到最近邻的K个点..
机器学习（西瓜书）简答题总结
weixin_63257947的博客
06-14 1771
2.计算类内散度矩阵和类间散度矩阵：类内散度矩阵是指同一类别的样本之间的散度矩阵，而类间散度矩阵是指不同类别之间的散度矩阵。5.模型评估：将测试集映射到低维空间中，然后采用训练好的分类器对样本进行预测，最后根据预测结果计算出模型的准确率、召回率、F1-score等指标进行评估。3.计算投影向量：投影向量是指将原始数据映射到低维空间中的向量，可以通过计算类内散度矩阵和类间散度矩阵的特征向量来得到。2.预测性能好：由于集成学习可以组合多个弱学习器，所以它可以将多个模型的优点进行整合，从而提高整体的预测性能。
机器学习基础概念练习题与答案
A496608119的博客
04-19 3329
1.你会怎么定义机器学习？ 答：机器学习是一门能够让系统从数据中学习的计算机科学 2.机器学习在哪些问题上表现突出，你能提出四种类型吗？ 答：机器学习非常利于： 1.不存在已知算法解决方案的复杂问题2. 需要大量手动调整或是规则列表超长的问题， 3.创建可以适应环境波动的系统， 4.以及帮助人类学习（比如数据挖掘） 3.什么是被标记的训练数据集？ 答：被标记的训练集是指包含每个实例所期望的解决方案的训练集 4.最常见的两种监督式学习任务是什么？ 答：最常见的两个监督式任务是回归和分类 5.你能举出四
机器学习基础知识点题库
weixin_49502029的博客
04-10 4520
对题库答案进行整理，很多图片来源于网站
机器学习概论（西瓜书一二章）
qq_43689908的博客
11-19 971
概论 基本术语 数据集：一组记录的集合，其中每条记录是关于一个事件或者对象的的描述 属性/特征：反映事件或者对象在某方面的表现或者性质的事项，属性上的取值是属性值 属性空间/样本空间/输入空间：属性张成的空间 特征向量：由于空间中的每一个点对应一个坐标向量，因此把一个事例成为特征向量 训练数据：从数据中学得模型的过程成为学习或者训练，训练过程中使用的数据称为训练数据集，其中每个样本称为一个训练样本 假设：学得模型对应了关于数据的某种潜在规律 分类问题：预测的是离散值 回归：预测的是连续值 聚类：将训练集的
【机器学习】西瓜书 绪论：什么是机器学习以及名词解释
言念君君子的博客
01-06 975
什么是机器学习？ 机器学习就是计算机通过对**数据集(data set)进行计算，得出一个学习算法(learning algorithm)**的过程。 通过这个学习算法，我们可以预测整个**样本空间(sample space)**内剩余的数据的结果，这就是机器学习。 概念解释 样本(sample)/示例(instance)：单独的一个对象，由于我们可以用每个特征值为坐标轴绘制一份坐标图，每个对象都可以在这个空间中找到相应的点，而每个点对应一个坐标向量，因此我们也称一个示例为一个特征向量(feature v
机器学习西瓜书习题代码部分实现
01-07
机器学习西瓜书习题代码部分实现
【机器学习/西瓜书】习题集合（含答案以及解析）
03-04
内容概要：机器学习的习题（非西瓜书课后例题），主要包含一些常见常考的选择题和填空题，适用于机器学习课程的闭卷考试。 适用人群：大学生 使用场景：期末考试前
西瓜书机器学习的学习笔记（十分详细）
06-10
学习了机器学习的基础以及相关理论，颇有收获，并做了相关笔记，对于机器学习有了更为深入的理解，为以后的学习以及研究打下基础。 主要内容包含以下相关主题： - 模型的评估与选择 - 神经网络 - 支持向量机 - ...
机器学习西瓜书课后作业整理.zip
06-26
机器学习西瓜书课后作业整理.zip
西瓜书习题 - 1.绪论
wdn blog
10-25 1万+
西瓜书第一章绪论习题
AGI 之 【Hugging Face】 的【问答系统】的 [构建问答系统] / [ 构建基于评论的问答系统 ] 的简单整理
仙魁XAN
07-12 701
AGI，即通用人工智能（Artificial General Intelligence），是一种具备人类智能水平的人工智能系统。它不仅能够执行特定的任务，而且能够理解、学习和应用知识于广泛的问题解决中，具有较高的自主性和适应性。AGI的能力包括但不限于自我学习、自我改进、自我调整，并能在没有人为干预的情况下解决各种复杂问题。AGI能做的事情非常广泛：跨领域任务执行：AGI能够处理多领域的任务，不受限于特定应用场景。自主学习与适应：AGI能够从经验中学习，并适应新环境和新情境。
聊聊如何在内网下构建大模型微调环境
python1234567_的博客
07-12 682
LlamaFactory新版更新后，还是比较方便，只是说llamafactory-cli命令的确是有点蒙，踩个坑就好了。对于LlamaFactory微调来说，本身不难，毕竟都是配置；主要是在内网环境下的依赖包拉取安装是真麻烦，但其实也还好。走一遍的话，还是可以学到很多的。​。
YOLOv10改进 | 特殊场景检测篇 | 轻量级的低照度图像增强网络IAT改进YOLOv10暗光检测（全网独家首发）
热门推荐
Snu77的博客
07-11 1万+
本文给大家带来的改进机制是轻量级的变换器模型：Illumination Adaptive Transformer (IAT)，用于图像增强和曝光校正。其基本原理是通过分解图像信号处理器（ISP）管道到局部和全局图像组件，从而恢复在低光或过/欠曝光条件下的正常光照sRGB图像。具体来说，IAT使用注意力查询来表示和调整ISP相关参数，例如颜色校正、伽马校正。模型具有约90k参数和约0.004s的处理速度，能够在低光增强和曝光校正的基准数据集上持续实现优于最新技术（State-of-The-Art, SOTA）
阿里发布大模型发布图结构长文本处理智能体，超越GPT-4-128k
夕小瑶科技说
07-09 845
随着大语言模型的发展，处理长文本的能力成为了一个重要挑战。虽然有许多方法试图解决这个问题，但都存在不同程度的局限性。最近，阿里巴巴的研究团队提出了一个名为GraphReader的新方法，通过将长文本组织成图结构，并利用智能体来探索这个图，成功提升了模型处理长文本的能力。GraphReader的核心思想是将长文本分解成关键元素和原子事实，构建成一个图，然后让智能体在这个图中探索和推理。这种方法不仅能有效处理超长文本，还在多跳问答等复杂任务上取得了优异表现。
人力资源人工智能依赖于良好的数据
最新发布
yongyoudayee的博客
07-12 573
人力资源不断发展(HR)人工智能在技术领域(AI)它已经成为改变游戏规则的力量。人工智能驱动的工具有望简化人力资源流程，提高管理能力，彻底改变员工体验。然而，这些人工智能解决方案的有效性仅取决于算法的复杂性或计算硬件的能力。事实上，这种模式的很大一部分取决于一个基本的——良好的数据。
机器学习 西瓜书pdf
12-20
《机器学习 西瓜书pdf》是一本涵盖了机器学习基础知识和算法原理的经典教材。它系统地介绍了机器学习的理论基础、方法和应用，是学习机器学习的入门教材之一。 该书首先介绍了机器学习的基本概念和分类，包括监督...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值