吴恩达-coursera-机器学习测试题第十七章-大规模机器学习

1.选择：B

解析：由于代价函数上升了，所以应该减少学习速率，选择B

 

 

A并不需要代价函数总是减少，只是可能会降低  故错误。B在运行随机梯度下降算法前最好将样本打乱随机化，正确。C也就随机的优点正确。D并行可不是随机的优点，是映射约减的优点，故错误。 

 

 3.选择：CD

解析：A并不一定需要大量的存储空间，如果有连续的大量的数据就不用存储所有数据，故错误。B在线学习也是需要学习速率的，因为更新参数需要alpha，故错误。CD在线学习运作原理如是，故正确。

 

A:在线学习的优势之一是，如果我们正在建模的功能随着时间的推移而改变（例如，如果我们对用户单击不同url的概率进行建模，并且用户的品味/偏好随着时间的推移而变化），在线学习算法将自动适应这些变化。  对的

 B:在线学习算法通常最适合解决问题，因为我们有源源不断的数据，我们想要从中学习      对的

C:在使用在线学习时，您必须保存您所得到的每一个新的培训示例，因为您将需要重用过去的示例来重新培训模型，即使您在将来获得了新的培训示例之后。  错误

 

D: 当我们有一个固定的训练集时，在线学习算法是最合适的  错误

 4.选择：AC

解析：可以用映射约减算法的有用批量梯度下降的逻辑回归，凡是要计算大量值的算法，用随机梯度下降不用计算大量的值故选AC

 

 使用批量梯度下降训练的神经网络

线性回归训练使用批量梯度下降法

 

5.选择：ABC

解析：map-reduce：什么都没有就没法帮你了啊。用N台电脑比用一台，要快不到N倍。用一台计算机统计其他计算出来的数据。神经网络也要计算代价函数也要有大量计算，所以神经网络也可以并行计算。