做网红用哪个网站,wordpress自动提取描述关键词,赣州网站制作,网站建设的数据储存在哪里一、概念
1.机器学习是一种通过先验信息来提升模型能力的方式。 即从数据中产生“模型”( model )的算法#xff0c;然后对新的数据集进行预测。 2.数据集#xff08;Dataset#xff09;#xff1a;所有数据的集合称为数据集。 训练集#xff1a;用来训练出一个适合模…一、概念
1.机器学习是一种通过先验信息来提升模型能力的方式。 即从数据中产生“模型”( model )的算法然后对新的数据集进行预测。 2.数据集Dataset所有数据的集合称为数据集。 训练集用来训练出一个适合模型的相当于人预习用的数据集。 验证集相当于游戏的内测玩家。 测试集用来测试训练的模型对不对的数据集。 3.样本Sample数据集中 每条记录 称为样本。 4.属性Attribute或特征Feature每个样本 在某方面 的 表现或性质。 5.特征向量Feature Vector每个样本的特征 对应的特征空间中的一个坐标向量。 6.分类Classification使用计算机学习出的模型进行预测得到的是离散值。 1人话你是人他是狗。 2有二分类和多分类之分。 7.回归Regression使用计算机学习出的模型进行预测得到的是连续值。 8.聚类Clustering对无标签样本的相似度进行度量挖掘特征、结构、内在性质使类内相似度大类间相似度小。 1人话物以类聚一样的放一块。 2与分类的区别 a.分类是有监督聚类是无监督更diao b.聚类只要求相似度高的放一块而分类则要求分到预定义的类别或标签。 9.输出结果预测值与其对应的真实值之间往往会存在一定的差异这种差异被称为模型的输出误差简称为误差。 1人话误差预测值-真实值 正负先不管 2分三种 a.训练误差或称经验风险——指模型在训练样本集上的整体误差 b.测试误差——模型在测试样本集上的整体误差 c.泛化误差——测试集的泛化能力泛化就是举一反三就是白人是人黑人也是人。 10.泛化能力 1过拟合就是过度拟合猿猴不是人但是非得说是人。 2欠拟合就是不拟合黑人是人但是非得说黑人不算人。 11.机器学习的分类 1监督学习人为干涉让模型更完美 分类逻辑回归、决策树、KNN、随机森林、支持向量机、朴素贝叶斯 数字预测线性回归、KNN、梯度提升Gradient Boosting、迭代算法AbaBoost 2非监督式学习不管机器让他自己来 典型例子聚类算法 3半监督学习人为干涉一点点大部分让机器来这是三者中最晚诞生的自己掂量掂量。 4强化学习与环境建立联系然后各个动作产生的结果进行反馈奖励或惩罚。 12.机器学习的步骤 数据收集预处理数据清洗—— 特征选择模型构建 —— 评估测试 1模型构建的相关过程 a. 建立训练数据集和测试数据集通常80%为训练数据集。 b. 选择机器学习算法 c. 模型调优 d. 模型融合 二、习题
单选题 1.构建一个完整的机器学习算法需要三个方面的要素分别是数据、模型和D 。 A、评估 B、验证 C、训练和验证 D、性能度量准则 3. 以下属于典型的监督学习的是C A、聚类 B、关联分析 C、分类 D、降维 4. A 是指机器学习算法对新鲜样本的适应能力。 A、泛化能力 B、测试能力 C、识别能力 D、训练能力 5. 欠拟合是指C A、在训练集表现非常好但在测试集上表现很差 B、在训练集表现非常好但在测试集上表现也非常好 C、在训练集表现非常差但在测试集上表现很差 D、在训练集表现非常差但在测试集上表现非常好 6. 如果我使用训练集的全部特征并且能够达到100%的准确率但在测试集上仅能达到70%左右这说明B A、欠拟合 B、过拟合 C、模型很棒 D、模型不确定 18. 以下属于典型的无监督学习的是C A、支持向量机 B、k-近邻算法 C、降维 D、逻辑回归 19. 下列关于过拟合的说法错误的是A 。 A、模型的训练误差比较高则称此分类模型过拟合。 B、可以通过选取具有代表性样本的训练样本集来解决过拟合问题。 C、模型的训练误差低但是泛化误差比较高则称此分类模型过拟合。 D、可以通过预剪枝避免决策树规模过大产生过拟合。 多选题 1. 根据样本集合中是否包含标签以及半包含标签的多少可以将机器学习分为ABD A、监督学习 B、无监督学习 C、迁移学习 D、半监督学习 2. 以下属于解决模型过拟合的方法的是ABD A、增加训练数据量 B、对模型进行裁剪 C、增加训练过程的迭代次数 D、正则化 3. 聚类的宗旨是BD A、类内距离最大化 B、类间距离最大化 C、 类间距离最小化 D、类内距离最小化 6. 机器学习中通常将数据集划分为ABC A、训练集 B、验证集 C、测试集 D、对照集 判断题 1. 根据模型预测输出的连续性可以将机器学习算法适配的问题划分为分类问题和线性问题。F 答回归 2. 降维、聚类是无监督学习算法。T 3. 当我们说模型训练结果过拟合的时候意思是模型的泛化能力很强F 答弱 4. 训练误差和泛化误差之间的差异越小说明模型的泛化性能越好。T 17. 特征提取是指对现有特征进行重新组合产生新的特征例如相对于年龄,出生年月就是冗余特征。F 答从原始数据中抽取出新的特征 19. 聚类的目的是对样本集合进行自动分类以发掘数据中隐藏的信息、结构从而发现可能的商业价值。 (T )
