机器学习实战-习题1.7

本文介绍了机器学习的基本概念,包括定义、应用领域,如监督学习、无监督学习、强化学习,并讨论了标记的训练数据集、模型参数与超参数的区别。同时,文章指出过拟合问题及解决办法,并解释了测试集、验证集和train-dev集在模型评估和调优中的作用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1. 如何定义机器学习?

MyAnswer:

使用大量的数据训练一个算法模型,从而得到一个具有泛化能力的能够解决现实问题的模型的过程。

BookAnswer:

机器学习是关于构建可以从数据中学习的系统。学习意味着在一定的性能指标下,在某些任务上会变得越来越好。

2. 机器学习在哪些问题上表现突出,你能给出四种类型吗?

MyAnswer:

  1. 监督学习 2. 无监督学习 3.强化学习 4.基于实例的学习 5. 基于模型的学习
    主要有分类任务和回归任务:例如图像分类、人脸识别、股票预测、天气预测

BookAnswer:

机器学习非常适合没有算法解答的复杂问题,它可以代替一系列需要手动调整的规则,来构建适应不断变化的环境的系统并最终帮助人类(例如,数据挖掘)。

3. 什么是被标记的训练数据集?

MyAnswer:

指带有对应标签的训练数据集

BookAnswer:

带标签的训练集是一个包含每个实例所需要解决方案(也称为标签)的训练集。

4. 最常见的两种监督学习的任务是什么?

MyA

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值