1.什么是机器学习?
百度百科:机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。
简单来说:机器学习是一门能够让系统从数据中学习的计算机科学。
2.机器学习在那些方面表现突出,以及分类?
机器学习非常有利于:不存在已知算法解决方案的复杂问题,需要大量手动调整或是规则列表超长的问题,创建可以适应环境波动的系统,以及帮助人类学习(比如数据挖掘)
分类:
- 是否在人类监督下训练(监督式学习,无监督式学习,半监督式学习和强化学习)
- 是否可以动态的进行增量学习(在线学习和批量学习)
- 是简单的将新的数据点和已知的数据点进行匹配,还是对训练数据进行模式检测,然后建立一个预测模型(基于实例的学习还是基于模型的学习)
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.常见的无监督式学习任务是什么?
聚类,可视化,降维和关联规则学习
6.要让机器人在未知的地形中行走,你会使用什么类型的机器学习算法?
如果想让机器