人工智能第三次作业

1.集成学习

将复杂任务分解成若干子任务，再综合若干子任务，从而完成复杂任务

2.支持向量机

通常用于分类，寻找样本的最大边距超平面

3.软间隔

软间隔，即容错，允许部分错分给定的训练样本

4.核函数

用于解决线性不可分的数据，将数据映射到更高的纬度，以达到线性可分的目的

 

 

5.VC维

用来衡量模型的复杂性，VC维越高，模型越复杂

6.生成模型

通过对观察和标注数据计算联合概率分布来预测结果，相当于通过刷题掌握相应的知识，然后达到应付考试的目的

7.判别模型

通过求解条件概率分布或者直接计算来预测结果，相当于疯狂的背题刷题，不去理解，然后达到应付考试的目的。

8.生成式模型和判别式模型优缺点

生成式模型优点

①可以学习数据的概率分布

②对数据的结构和关系有更深入的理解

生成式模型的缺点

①如果对数据的理解错误，可能会产生大量错误

判别式模型优点

①预测性能较好

②计算效率较高

判别式模型的缺点

①对未知数据的预测效果不好

9.监督学习是判别式方法，无监督学习是生成式方法？

不正确，监督学习和无监督学习描述的是学习任务的类型，生成式方法和判别式方法描述的是模型的学习方式。

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？

不正确，理解有监督和无监督应该从模型需不需要标签的角度出发，就是模型关不关注标签的问题。模型不关注标签那就是无监督，反之有监督。这个问题实际上说的是模型的目的性问题。标签实际上是输出，数据实际上是输入。所以，如果模型的目的是要解决输入到输出的映射，那么标签实际上就是必要的，因为这是衡量模型准确性的依据，所以这个模型就是有监督的。反之，如果模型不关注输入到输出的映射，只关注数据本身，模型的目的就是提取数据本身的特征，那么它自然不需要标签。所以这就是聚类算法和分类算法本质的区别。分类算法实际上关注的是输入到输出的映射，而聚类算法则是对数据本身特征进行提取，相似特征的被聚到一类。

KNN判别式方法，kmeans生成式方法。