- 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。 - 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)。 - 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。 - 最常见的两种监督式学习任务是什么?
回归和分类。 - 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。 - 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。 - 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。 - 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。 - 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
机器学习概览&问题总结大全
最新推荐文章于 2023-03-02 14:56:39 发布