第一部分 机器学习的基础知识
第1章 机器学习概览
在本章中,我们了解到了机器学习中重要的一些概念,现在回答下列问题:
1、如何定义机器学习?
机器学习是关于构建可以从数据中学习的系统。学习意味着在一定的性能指标下,在某些任务上会变得越来越好。
2、机器学习在哪些问题上表现突出,你能给出四种类型吗?
(1)机器学习非常适合没有算法解答的复杂问题,他可以替代一系列需要手动调整的规则,来构建适应不断变化的环境的系统并最终帮助人类。(2机器学习表现突出的问题:数据挖掘、聚类问题、分类问题(检测信用卡欺诈)、回归问题(预测公司下一年的收入)、文本分类(论坛中自动标记恶评)、图像分类。
3、什么是被标记的训练数据集?
带标签的训练集是一个包含每个实例所需解决方案(也称为标签)的训练集。
4、最常见的两种监督学习任务是什么?
两种最常见的有监督学习任务是:回归和分类。
5、你能举出四种常见的无监督学习任务吗?
常见的无监督任务包括聚类、可视化、降维和关联规则学习。
6、要让一个机器人在各种未知的地形中行走,你会使用什么类型的机器学习算法?
强化学习可能表现最好,因为这通常是强化学习要解决的典型问题。它的学习系统(在其语境中称为智能体)能够观察环境,做出选择,执行动作,并获得回报(或者是以负面的形式获得惩罚)。所以它必须自行学习什么是最好的策略,从而随着时间的推移获得最大的回报。策略代表智能体在特定情况下应该选择的动作。
7、要将顾客