【22-23 春学期】人工智能基础--AI作业3-监督学习

老师发布作业链接：(429条消息) 【22-23 春学期】AI作业3-监督学习_HBU_David的博客-CSDN博客

1、集成学习：

        集成学习是一种机器学习的方法，旨在将多个单一的学习算法组合成一个更强大的算法。集成学习方法是通过投票、均值等方式将多个分类器的预测结果结合起来，以获得更准确的分类结果。

2、支持向量机：

        支持向量机是一种常用于分类和回归问题的机器学习算法，通过寻找超平面将多维空间分割成两个部分。支持向量机通过最大化训练数据集与超平面之间的距离，寻找最优的超平面，以实现分类的目标。

3、软间隔：

        软间隔是支持向量机算法中一种放宽分类器对数据的强制约束的方法，允许在一定程度上将非线性可分数据进行分类。

4、核函数：

        核函数是一种常用于支持向量机等算法中的工具。它将高维空间的数据通过非线性变换映射到低维空间中，从而更方便训练和分类。常用的核函数有线性核函数、多项式核函数和径向基核函数等。

5、VC 维：

        VC 维是衡量机器学习模型复杂度的指标。简单来说， VC 维越小，模型对数据的容错能力越强，泛化性能也更好。

6、生成式模型：

        生成式模型是机器学习模型的一种类型，它通过学习训练集中的数据分布来进行分类或生成数据。生成式模型包括隐马尔可夫模型、朴素贝叶斯模型等。

7、判别式模型：

        判别式模型是机器学习模型的一种类型，它不是学习数据分布，而是直接学习从输入到输出之间的映射关系。常见的判别式模型包括支持向量机、逻辑回归等。

8、生成式模型和判别式模型各有什么优缺点？

        生成式模型可以用于生成新数据，而判别式模型没有这个能力；判别式模型对于大数据集和复杂的特征空间更有效率等优点，但生成式模型能适应更为复杂的数据变化趋势。

9、监督学习是判别式方法，无监督学习是生成式方法？

        这个说法不完全正确。监督学习和无监督学习不是区分判别式和生成式方法的依据。监督学习和无监督学习是指学习数据的标签信息是否已知。

10、分类是判别式方法，聚类是生成式方法？ KNN , K - means 分别是什么方法？

        分类和聚类都是机器学习中常见的任务，它们分别涉及到不同类型的学习算法。分类是一种判别式方法，而聚类是一种生成式方法。 KNN 是一种基于相似度度量的分类算法， K - mean 是一种基于距离聚类的算法。