首页 › 答案 › 标签 › 机器学习

机器学习

1哪一个是机器学习的合理定义？
2一个计算机程序从经验E中学习任务T，并用P来衡量表现。并且，T的表现P随着经验E的增加而提高。假设我们给一个学习算法输入了很多历史天气的数据，让它学会预测天气。什么是P的合理选择？
3回归问题和分类问题的区别是什么？
4以下关于特征选择的说法正确的是？
5一个包含n类的多分类问题，若采用一对剩余的方法，需要拆分成多少次？
6机器学习方法传统上可以分为（）类。
7哪些机器学习模型经过训练，能够根据其行为获得的奖励和反馈做出一系列决策？
8机器学习这个术语是由（）定义的？
9哪种开发语言最适合机器学习？
10（）是机器学习的一部分，与神经网络一起工作。
11（）是可用于标记数据的机器学习算法。
12谷歌新闻每天收集非常多的新闻，并运用（）方法再将这些新闻分组，组成若干类有关联的新闻。于是，搜索时同一组新闻事件往往隶属同一主题的，所以显示到一起。
13下列哪些学习问题不属于监督学习？
14机器学习的方法由（）等几个要素构成。
15对于非概率模型而言，可按照判别函数线性与否分成线性模型与非线性模型。下面哪些模型属于线性模型？
16朴素贝叶斯属于概率模型。
17根据肿瘤的体积、患者的年龄来判断良性或恶性，这是一个回归问题。
18大部分的机器学习工程中，数据搜集、数据清洗、特征工程这三个步骤绝大部分时间，而数据建模，占总时间比较少。
19已知你朋友的信息，比如经常发email的联系人，或是你微博的好友、微信的朋友圈，我们可运用聚类方法自动地给朋友进行分组，做到让每组里的人们彼此都熟识。
20以下哪组变量之间存在线性回归关系？
21回归问题和分类问题的区别是？
22哪些算法不需要数据归一化？
23以下哪些方法不能用于处理欠拟合？
24以下哪些方法不能用于处理过拟合？
25下列关于线性回归分析中的残差（Residuals）说法正确的是？
26为了观察测试Y与X之间的线性关系，X是连续变量，使用下列哪种图形比较适合？
27假如你在训练一个线性回归模型，则：1如果数据量较少，容易发生过拟合。2如果假设空间较小，容易发生过拟合。关于这两句话，下列说法正确的是？
28关于特征选择，下列对Ridge回归和Lasso回归说法正确的是？
29构建一个最简单的线性回归模型需要几个系数（只有一个特征）？
30向量x=[1,2,3,4,-9,0]的L1范数是多少？
31以下哪些是使用数据规范化(特征缩放)的原因？
32线性回归中，我们可以使用最小二乘法来求解系数，下列关于最小二乘法说法正确的是?（）
33欠拟合的处理主要有哪些方式：（）
34假如使用一个较复杂的回归模型来拟合样本数据，使用Ridge回归，调试正则化参数，来降低模型复杂度，若正则化系数较大时，关于偏差(bias)和方差(variance)，下列说法正确的是?（）
35如果两个变量相关，那么它们一定是线性关系。
36随机梯度下降，每次迭代时候，使用一个样本。
37L2正则化往往用于防止过拟合，而L1正则化往往用于特征选择。
38过拟合的处理可以通过减小正则化系数。
39一监狱人脸识别准入系统用来识别待进入人员的身份，此系统一共包括识别4种不同的人员：狱警，小偷，送餐员，其他。下面哪种学习方法最适合此种应用需求：
40以下关于分类问题的说法错误的是？
41以下关于逻辑回归与线性回归问题的描述错误的是（）
42以下关于sigmoid函数的优点说法错误的是？
43逻辑回归的损失函数是哪个？
44下面哪一项不是Sigmoid的特点？
45下列哪一项不是逻辑回归的优点？
46假设有三类数据，用OVR方法需要分类几次才能完成？
47以下哪些不是二分类问题？
48逻辑回归通常采用哪种正则化方式？
49假设使用逻辑回归进行多类别分类，使用OVR分类法。下列说法正确的是？
50你正在训练一个分类逻辑回归模型。以下哪项陈述是正确的？选出所有正确项
51以下哪项陈述是正确的？选出所有正确项（）
52下面哪些是分类算法？
53逻辑回归的激活函数是Sigmoid。
54逻辑回归分类的精度不够高，因此在业界很少用到这个算法
55Sigmoid函数的范围是（-1，1）
56逻辑回归的特征一定是离散的。
57逻辑回归算法资源占用小，尤其是内存。
58逻辑回归的损失函数是交叉熵损失
59假设会开车的本科生比例是15%，会开车的研究生比例是23%。若在某大学研究生占学生比例是20%，则会开车的学生是研究生的概率是多少？
60下列关于朴素贝叶斯的特点说法错误的是（）
61以下算法不属于生成模型（）
62关于拉普拉斯平滑说法正确的是（）
63假设X和Y都服从正态分布，那么P(X5,Y0)就是一个（），表示X5,Y0两个条件同时成立的概率，即两个事件共同发生的概率。
64以下算法属于判别模型的是（）
65朴素贝叶斯的优点不包括（）
66市场上某商品来自两个工厂，它们市场占有率分别为60%和40%，有两人各自买一件，则买到的来自不同工厂之概率为（）。
67以A表示事件甲种产品畅销，乙种产品滞销，则其对立事件A为（）
68关于朴素贝叶斯，下列说法错误的是：（）
69掷二枚骰子，事件A为出现的点数之和等于3的概率为（）
70公司里有一个人穿了运动鞋，推测是男还是女？已知公司里男性30人，女性70人，男性穿运动鞋的有25人，穿拖鞋的有5人，女性穿运动鞋的有40人，穿高跟鞋的有30人。则以下哪项计算错误（）？
71根据以往经验和分析得到的概率。在这里，我们用P(Y)来代表在没有训练数据前假设Y拥有的初始概率，因此称其为Y的后验概率，它反映了我们所拥有的关于Y的背景知识。
72朴素贝叶斯模型假设属性之间相互独立，这个假设在实际应用中往往是不成立的，在属性相关性较小时，朴素贝叶斯性能良好。而在属性个数比较多或者属性之间相关性较大时，分类效果不好。
73朴素贝叶斯对缺失数据较敏感。
74判别模型所学内容是决策边界。
75逻辑回归是生成模型，朴素贝叶斯是判别模型
76逻辑回归和朴素贝叶斯都有对属性特征独立的要求
77朴素贝叶斯法的基本假设是条件独立性。
78朴素贝叶斯适用于小规模数据集，逻辑回归适用于大规模数据集。
79以下关于训练集、验证集和测试集说法不正确的是（）。
80当数据分布不平衡时，我们可采取的措施不包括（）。
81假设有100张照片，其中，猫的照片有60张，狗的照片是40张。识别结果：TP=40，FN=20，FP=10，TN=30，则可以得到：（）。
82关于数据规范化，下列说法中错误的是（）。
83下列哪种方法可以用来缓解过拟合的产生：（）。
84以下关于ROC和PR曲线说法不正确的是（）。
85以下关于偏差(Bias)和方差(Variance)说法正确的是（）。
86关于L1正则化和L2正则化说法错误的是（）。
87随着训练样本的数量越来越大，则该数据训练的模型将具有：（）。
88关于特征选择，下列对Ridge回归和Lasso回归的说法正确的是：（）。
89一个正负样本不平衡问题(正样本99%，负样本1%)。假如在这个非平衡的数据集上建立一个模型，得到训练样本的正确率是99%，则下列说法正确的是？
90以下关于交叉验证说法正确的是（）。
91评价指标中，精确率(Precision)的计算需要哪些数值（）。
92评价指标中，召回率(Recall)的计算需要哪些数值（）。
93评估完模型之后，发现模型存在高偏差(highbias)，应该如何解决？
94特征空间越大，过拟合的可能性越大。
95L2正则化得到的解更加稀疏。
96SMOTE算法是用了上采样的方法。
97100万条数据划分训练集、验证集、测试集，数据可以这样划分：98%，1%，1%。
98下列哪个距离度量不在KNN算法中体现：（）。
99下列选项中，关于KNN算法说法不正确是：（）。
100以下距离度量方法中，在城市道路里，要从一个十字路口开车到另外一个十字路口的距离是：（）。
‹12›