机器学习概览&问题总结大全

1. 机器学习定义？
   机器学习是一种能让系统从数据中学习的计算机科学。
2. 机器学习在那些问题上表现突出？
   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（如：数据挖掘）。
3. 什么是被标记的训练数据集
   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？
   回归和分类。
5. 无监督式学习的任务是什么？
   分别由聚类，可视化，降维和关联规则学习。
6. 要让一个机器人在位置的地形中行走，使用什么类型的机器学习算法？
   强化学习。这正是典型的强化学习擅长解决的问题。
7. 将顾客分为多个组，适用类型的算法?
   ①不知道如何定义分组情况下：使用聚类算法（无监督式学习）将相似的顾客分为一组。②知道想要的是什么样的分组：可以将每个组的多个实例反馈给分类算法（监督式学习），可以将所有顾客归类到这些组。
8. 将垃圾邮件检测的问题列为监督式学习还是无监督式学习？
   典型的监督式学习。将邮件和它们的标签（垃圾邮件或非垃圾邮件）一起提供给算法。
9. 什么是在线学习系统？
   可以进行增量学习，与批量学习系统正好相反。这使得它能够快速适应不断变化的数据和自动化系统，并且能够在大量的数据上进行训