中国大学mooc胡浩基老师机器学习第一章单元试题

最新推荐文章于 2023-05-19 10:27:04 发布
最新推荐文章于 2023-05-19 10:27:04 发布
阅读量2.4k 收藏 5
点赞数 1
分类专栏： 错题整理 文章标签： 机器学习
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/m0_37783250/article/details/106688494
版权
这篇内容涵盖了机器学习的基础知识，包括监督学习、无监督学习、半监督学习和强化学习的定义与应用。同时，讨论了特征提取、数据维度、模型训练等关键步骤，并列举了各种机器学习算法的分类，如支持向量机、主成分分析、Q-LEARNING等。此外，还提到了无监督学习和监督学习在是否需要人工标注数据方面的区别。
摘要由CSDN通过智能技术生成

第1题-单选
给人脸打上标签再让模型进行学习训练的方法，属于（A）

A.监督学习
B.强化学习
C.半监督学习
D.无监督学习

第2题-单选
机器学习进行的第一步是（D）

A.交叉验证
B.数据收集
C.模型训练
D.特征提取

第3题-单选
一般来说，在机器学习中，用计算机处理一幅的图像，维度是：（B）

A.三维
B.上万维
C.二维
D.一维

第4题-单选
在讲解“没有免费午餐定理”的时候，我们假设以上每一种情况出现的概率相同，请问这样的假设是基于如下哪种经验？（B）

A.实践经验
B.无经验
C.常识经验
D.学习经验

第5题-多选
在本课程中，我们把机器学习分成了哪几类？（ABC）

A.传统监督学习
B.半监督学习
C.无监督学习
D.自监督学习

第6题-多选
以下哪些算法是非显著式编程？（D)

A.编程统计一个地区的GDP
B.编程求解棋盘上的八皇后问题
C.编程判断医疗CT片中的病变区域
D.

最低0.47元/天 解锁文章
sunshine萝卜
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
专栏目录
机器学习的第一步：数据预处理
iterate7的博客
10-05 1005
背景 以前讲过一篇关于特征缩放的，其实本质也是特征预处理，使得标注化。 https://blog.csdn.net/iterate7/article/details/78881562 这里主要是巩固，同时结合sklearn里的代码直接来看。 标准化z-score 方法 x′=x−μσx' = \dfrac{x - \mu}{\sigma}x′=σx−μ​ 翻译公式为：(x-mean)/std 计...
中国大学MOOC-人工智能实践-第四章代码-合集
06-23
《中国大学MOOC-人工智能实践-第四章代码-合集》是针对人工智能实践课程的一份重要资料，主要涉及TensorFlow框架的应用。这个压缩包包含了多个Python源代码文件，旨在帮助学习者逐步理解并掌握深度学习的基本概念和...
第一章：机器学习基础
weixin_30667649的博客
04-30 187
第一部分：分类 本书前两部分主要探讨监督学习（supervisedieaming)。在监督学习的过程中，我们只需要给定输入样本集，机器就可以从中推演出指定目标变量的可能结果。监督学习相对比较简单,机器只需从输入数据中预测合适的模型，并从中计算出目标变量的结果。 监督学习一般使用两种类型的目标变量：标称型和数值型。标称型目标变量的结果只在有限目标集中取值，如真与假、动物分类集...
《机器学习》- 习题解析 - 第一章
沐槿的博客
03-01 2173
本文主要讲述了《机器学习》课后习题的第一章以及相关概念。
迈开机器学习的第一步
lee_net的博客
11-30 209
ok,完成了在Windows环境下Python的配置，添加sci-learn model，也算是迈开了实践的第一步，在过去的一个月中对机器学习几个常见算法的学习理解，现在要通过机器学习平台来复现，其实对于每一个机器学习尤其是数据挖掘初学者来说，首先熟悉算法机理再去学习编程语言，从现在来看是一个明智的选择，强烈不建议边学语言边学算法，很容易两者兼不得，尤其是机器学习看似高深的算法理解是攀登这座高峰的
机器学习实战第一步：特征选择与特征工程（使用类RobustScaler对异常值进行控制和选择分位数范围）
zzx3163967592的博客
05-27 1627
转载：https://www.toutiao.com/i6641904652575048206/?tt_from=weixin&utm_campaign=client_share&wxshare_count=1&timestamp=1590562909&app=news_article&utm_source=weixin&utm_medium=toutiao_android&use_new_style=1&req_id=202005271501
机器学习思维导图，根据中国地质大学在中国大学MOOC网站上的内容整理得到
02-28
机器学习是人工智能领域的一个核心部分，它涉及到计算机系统利用经验数据改进自身性能的过程。这篇内容主要概述了机器学习的关键概念和算法，适用于初学者和希望深入理解机器学习的人。 首先，机器学习的基本概念...
中国大学MOOC-人工智能实践-第四章代码2
06-20
中国大学MOOC-人工智能实践-第四章代码2-TensorFlow 代码
中国大学MOOC课程学习练习代码和作业
09-06
【标题】"中国大学MOOC课程学习练习代码和作业"主要涵盖了Python3编程语言的学习实践内容，由嵩天、黄天羽、礼欣三位教师在清华大学主办的在线教育平台——中国大学MOOC（https://www.icourse163.org/）上进行讲授。...
中国大学MOOC哈尔滨工业大学战德臣老师的数据库系统课件
10-06
在“中国大学MOOC”上，哈尔滨工业大学的战德臣老师为我们提供了深入学习这一领域的宝贵资源。战德臣教授是数据库领域的资深专家，他的课程涵盖了数据库系统的各个方面，旨在帮助学生理解和掌握数据管理的核心概念和...
机器学习的课程习题和答案
05-14
吴恩达机器学习公开课的课程习题和答案，对照视频学习很方便。
浙江大学人工智能课程课件
11-18
浙江大学人工智能课程课件，内容有： Introduction Problem-solving by search( 4 weeks) Uninformed Search and Informed (Heuristic) Search （1 week） Adversarial Search: Minimax Search, Evaluation Functions, Alpha-Beta Search, Stochastic Search Adversarial Search: Multi-armed bandits, Upper Confidence Bound (UCB),Upper Confidence Bounds on Trees, Monte-Carlo Tree Search(MCTS) Statistical learning and modeling (5 weeks) Probability Theory, Model selection, The curse of Dimensionality, Decision Theory, Information Theory Probability distribution: The Gaussian Distribution， Conditional Gaussian distributions， Marginal Gaussian distributions， Bayes’ theorem for Gaussian variables， Maximum likelihood for the Gaussian， Mixtures of Gaussians, Nonparametric Methods Linear model for regression: Linear basis function models； The Bias-Variance Decomposition Linear model for classification ： Basic Concepts; Discriminant Functions (nonprobabilistic methods); Probabilistic Generative Models; Probabilistic Discriminative Models K-means Clustering and GMM & Expectation–Maximization (EM) algorithm, BoostingThe Course Syllabus Deep Learning (4 weeks) Stochastic Gradient Descent, Backpropagation Feedforward Neural Network Convolutional Neural Networks Recurrent Neural Network (LSTM, GRU) Generative adversarial network (GAN) Deep learning in NLP (word2vec), CV (localization) and VQA(cross-media) Reinforcement learning (1 weeks) Reinforcement learning: introduction
迈向机器学习的第一步从这里开始！
人邮异步社区
01-20 836
本文要点： 多项式拟合； 贪心随机训练； 径向基函数（RBF function）； 径向基函数网络模型（RBF Network Model）。 从前面几章我们知道，机器学习算法的一般形式是接受出入向量，生成输出向量。要把输入向量变换到输出向量，还要用到另外两个向量，这两个额外的向量分别叫作“长期记忆”和“短期记忆”。长期记忆又被称为“权重”或“系数”，是通过训练来调整的；短期记忆则并非所有的机...
《机器学习》慕课版课后习题-第1章
qq_37402392的博客
07-04 2562
中国工信出版集团、人民邮电出版社出版的赵卫东、董亮编著的《机器学习》慕课版 第1章 机器学习概述 1.机器学习的发展历史上有哪些主要事件？ 解：机器学习发展分为知识推理期、知识工程期、浅层知识期和深度学习几个阶段。 知识推理期时，Herbert Simon和Allen Newell实现的自动定理证明系统Logic Theorist证明了逻辑学家Rusell和Whitehead编写的《数学原理》中的52条定理，并且其中一条定理比原作者所写更加巧妙。 20世纪70年代开始，人工智能进入知识工程期，E.A.Fei
《机器学习》慕课版课后习题-第3章
qq_37402392的博客
07-09 2361
中国工信出版集团、人民邮电出版社出版的赵卫东、董亮编著的《机器学习》慕课版 第3章 决策树与分类算法 1.分类解决什么问题？ 解：分类算法是利用训练数据集获得分类函数即分类模型(分类器)，从而实现将数据集中的样本划分到各个类中。分类模型通过学习训练样本中属性集与类别之间的潜在关系，并以此为依据对新样本属于哪一类进行预测。 2.常用的分类算法有哪些？举例说明其应用。 解：常见的分类算法包括决策树、支持向量机、最近邻、贝叶斯网络和神经网络等。 例如，根据动物身体构造、生理习性等特征对动物进行分类，根据电子邮件的
周志华《机器学习》课后习题解析（第一章）绪论
fengdu78的博客
06-03 6159
周志华老师的《机器学习》（西瓜书）一书，没有公布答案，于是我们从网上搜集了各题目的答案，供大家参考。参考答案 第一章 绪论 1.1.表1.1中若只包含编号为1，4的两个样例，试给出相应的...
机器学习算法的过程
weixin_43306271的博客
02-18 1132
一、任务分析 1. 引言 基于SVM的尿沉渣红、白细胞识别： 任务：识别尿沉淀物中的红细胞和白细胞； 下图是标注过的训练样本，左边是白细胞，右边是红细胞； 2.对数据要有认知 在这个任务中，当我们拿到数据之后，构建机器学习算法的第一步： 是观察数据，总结规律； （最近几年由于大数据和深度学习的发展，很多人会认为，只要收集 足够多的数据，从网上随便下载一个开源的算法模型，直接将 数据丢到算法模型中去训练，就可能获得很好的结果，这样 的观点在大多数时候不正确，偶尔可能正确也是误打误撞的结果 ，如果我们自身
机器学习第一步，从向量和矩阵开始！
m0_37468171的博客
04-18 357
全文共1466字，预计阅读时长2分钟 熟练掌握C语言却总是在转型机器学习算法的道路上屡屡跌倒？懂得AI模型的逻辑却在每次伪代码修改后都被报错？ 你的绊脚石或许不仅仅是对于Python语法的陌生，还有对于数据集的处理摸不着头脑。 这时候，就需要我们回归基本概念——从向量、矩阵开始，读懂机器学习语言。 不同在何处？ 在一般性C语言编程中，对于数据的处理主要利用指针。 熟悉它的同学们都知道，所谓内存...
经典的机器学习200道面试题（附参考答案）
最新发布
小白学视觉
05-19 6622
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达来 源：https://blog.csdn.net/sinat_35512245/article/details/78796328本文总结了往年BAT机器学习面试题，干货满满，值得收藏。想要入职大厂可谓是千军万马过独木桥。为了通过层层考验，刷题肯定是必不可少的。这份刷题宝典拿好哦！1.请简要介绍下SVM。SVM，全称是supp...
图像卷积在机器学习中的应用-中国大学MOOC PPT1
在总体上，图像卷积在机器学习中的应用是一个非常前沿和重要的技朮领域，在中国大学MOOC的课程中得到了深入的学习和探讨。通过学习这门课程，我们可以更深入地了解图像卷积的原理和应用方法，提高我们在图像处理和...
评论 5
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