此心安处

点击查看答案1、一行数据我们称为一个 ___2、一列数据我们成为一个 ___3、按照数据集的目标值不同，可以把模型评估分为分类模型评估和4、模型评估用于评价训练好的的模型的表现效果，其表现效果大致可以分为两类：____和___5、模型学习的太过粗糙，连训练集中的样本数据特征关系都没有学出来，这种情况我们可以判断可能出现了___（过拟合/欠拟合）问题。6、所建的机器学习模型或者是深度学习模型在训练样本中表现得过于优越，导致在测试数据集中表现不佳，这种情况我们可以判断可能出现了_____（过拟合/欠拟合）问题

目 录1、已知训练集数据的特征值如下：2、请编程实现手写数据集的K-近邻算法实现过程。要求： k值取6，按8:2划分训练集和测试集，最后给出准确率。3、请用线性回归（正规方程）算法编程实现波士顿房价的预测过程。要求： k值取6，按8:2划分训练集和测试集，最后给出准确率。1、已知训练集数据的特征值如下：raw_data_x=[[3.3144558 , 2.33542461], [3.75497175, 1.93856648], [1.38327539, 3.38724496]

简答题：1、请简述人工智能和机器学习，深度学习的关系？机器学习是人工智能的核心，是人工智能的一个分支。人工智能是机器学习的首要范畴。机器学习是深度学习的首要范畴。深度学习是机器学习的一个子集，机器学习是人工智能的一个子集2、根据数据集组成不同，通常可以把机器学习算法分为哪四类？监督学习、无监督学习、半监督学习、强化学习3、请简述什么是监督学习？什么是无监督学习？监督学习的输入数据是由输入特征值和目标值所组成。 无监督学习输入数据是由输入特征值组成，没有目标值。4、请简述什么是机器学习？机

线性回归多元线性回归中的“线性”是指什么是线性的A.因变量B.系数C.因变量D.误差答案：A欠拟合的产生原因有A学习到数据的特征过少B学习到数据的特征过多C学习到错误数据D机器运算错误答案：A线性回归的核心是（）A. 构建模型B. 距离度量C. 参数学习D. 特征提取答案：C【单选题】47.在估计线性回归模型时，可以将总平方和分解为回归平方和与残差平方各，其中回归平方和表示()(3分)A.被解释变量的变化中可以用回归模型来解释的部分B.被解释变量的变化中未被回归模型

线性回归简介线性回归应用场景房价预测销售额度预测贷款预测线性回归定义线性回归(Linear regression)是利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模的一种分析方式。特点：单变量回归：只有一个自变量多元回归：多于一个自变量公式h(w)=w1x1+w2x2+w3x3+...+b=wTx+bh(w)=w{_1}x{_1}+w{_2}x{_2}+w{_3}x{_3}+...+b=w^Tx+bh(w)=w1​x1​+w2​x2​+w3​x3​

目 录 前置条件下载安装ElasticSearch-head插件安装前置条件已经安装好JDK1.8 （不装插件的话，这个就够了）装有git装有node环境和gruntnode没有的话，去官网下载https://nodejs.org/en/在环境变量中设置NODE_HOME验证安装好node后，再nodejs目录下安装grunt使用命令npm install -g grunt-cli下载去官网下载https://www.elastic.co/cn/downloads/elast

目 录第一讲 人工智能概述一.单选题二.判断题第一讲 人工智能概述一.单选题1、假设你正在做天气预报，并使用算法预测明天气温（摄氏度/华氏度），你会把这当作一个分类问题还是一个回归问题？A、分类B、回归C、两者均可D、两者都不是正确答案： B解：回归方法是一种对数值型连续随机变量进行预测和建模的监督学习算法。使用案例一般包括房价预测、股票走势或测试成绩等连续变化的案例。回归任务的特点是标注的数据集具有数值型的目标变量。也就是说，每一个观察样本都有一个数值型的标注真值以监督算法2、假

目录机器学习 序言什么是机器学习？机器学习的分类监督学习强化学习（增强学习）机器学习的步骤没有免费午餐定理总结机器学习 序言什么是机器学习？定义一：其中，显著式编程：人为总结出定义，作用到计算机。非显著式编程：让计算机自己总结。就是我们规定行为和收益函数，让计算机自己去获得最大收益的行为。定义二：这个定义更加数学化，拿计算机识别菊花和玫瑰做例子：任务T：编写计算机程序识别菊花和玫瑰。经验E：一大堆菊花和玫瑰的图片。性能指标P：不同机器学习算法会有不同。机器学习的分类按任务是否