機(jī)器學(xué)習(xí)常見知識(shí)點(diǎn)自查50問與答

• 1.什么是機(jī)器學(xué)習(xí)
• 2.機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘的區(qū)別
• 3.什么是機(jī)器學(xué)習(xí)的過度擬合現(xiàn)象
• 4.過度擬合產(chǎn)生的原因
• 5.如何避免過擬合
• 6.什么是感應(yīng)式的機(jī)器學(xué)習(xí)
• 7.機(jī)器學(xué)習(xí)的五個(gè)流行算法是什么
• 8.機(jī)器學(xué)習(xí)有哪些不同的算法技術(shù)
• 9.機(jī)器學(xué)習(xí)建立模型的三個(gè)階段是什么
• 10.什么是監(jiān)督學(xué)習(xí)的標(biāo)準(zhǔn)方法
• 11.什么是訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集
• 12.機(jī)器學(xué)習(xí)的各種方法
• 13.非機(jī)器學(xué)習(xí)有哪些類型
• 14.什么是非監(jiān)督學(xué)習(xí)的功能
• 15.什么是監(jiān)督學(xué)習(xí)的功能
• 16.什么是算法獨(dú)立的機(jī)器學(xué)習(xí)
• 17.人工智能與機(jī)器學(xué)習(xí)的區(qū)別
• 18.機(jī)器學(xué)習(xí)中分類器是什么
• 19.樸素貝葉斯方法的優(yōu)勢(shì)是什么
• 20.在哪些領(lǐng)域使用模式識(shí)別技術(shù)
• 21.什么是遺傳編程
• 22.歸納邏輯程序設(shè)計(jì)是什么
• 23.模型的選擇是什么
• 24.用于監(jiān)督學(xué)習(xí)校準(zhǔn)的兩種方法是什么
• 25.什么方法通常用于防止過擬合
• 26.規(guī)則學(xué)習(xí)的啟發(fā)式方法和決策樹的啟發(fā)式方法之間的區(qū)別是什么
• 27.什么是感知機(jī)器學(xué)習(xí)
• 28.貝葉斯邏輯程序的兩個(gè)組成部分是什么
• 29.什么是貝葉斯網(wǎng)絡(luò)
• 30.為什么基于實(shí)例的學(xué)習(xí)算法有時(shí)也被稱為懶惰學(xué)習(xí)算法
• 31.支持向量機(jī)能處理哪兩種分類方法
• 32.什么是集成學(xué)習(xí)？
• 33.為什么集成學(xué)習(xí)被應(yīng)用？
• 34.什么使用集成學(xué)習(xí)？
• 35.什么是集成方法的兩種范式？
• 36.什么是集成方法的一般原則，在集成方法中套袋（bagging）和爆發(fā)（boosting）指的是什么？
• 37.什么是集成方法分類錯(cuò)誤的偏置方差分解？
• 38.在集成方法中什么是增量合成方法？
• 39.PCA，KPCA和ICE如何使用？
• 40.在機(jī)器學(xué)習(xí)中降維是什么意思？
• 41.什么是支持向量機(jī)？
• 42.關(guān)系評(píng)價(jià)技術(shù)的組成部分是什么？
• 43.連續(xù)監(jiān)督學(xué)習(xí)有什么不同方法？
• 44.在機(jī)器人技術(shù)和信息處理技術(shù)的哪些方面會(huì)相繼出現(xiàn)預(yù)測(cè)問題？
• 45.什么是批量統(tǒng)計(jì)學(xué)習(xí)？
• 46.什么是PAC學(xué)習(xí)？
• 47.有哪些不同的類別可以分為序列學(xué)習(xí)過程？
• 48.什么是序列學(xué)習(xí)？
• 49.機(jī)器學(xué)習(xí)的兩種技術(shù)是什么？
• 50.你在日常工作中看到的機(jī)器學(xué)習(xí)的一個(gè)流行應(yīng)用是什么？

1.什么是機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是為了應(yīng)對(duì)系統(tǒng)程序設(shè)計(jì)，屬于計(jì)算機(jī)科學(xué)類的學(xué)科，能根據(jù)經(jīng)驗(yàn)進(jìn)行自動(dòng)學(xué)習(xí)和提高。例如：一個(gè)由程序操控的機(jī)器人，能根據(jù)從傳感器收集到的數(shù)據(jù)，完成一系列的任務(wù)和工作，能根據(jù)數(shù)據(jù)自動(dòng)學(xué)習(xí)的應(yīng)用程序。

2.機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘的區(qū)別

機(jī)器語言是指在沒有明確的程序指令的情況下，給予計(jì)算機(jī)學(xué)習(xí)能力，使它能夠自主的學(xué)習(xí)、設(shè)計(jì)和擴(kuò)展相關(guān)算法。數(shù)據(jù)挖掘則是一種從非結(jié)構(gòu)化數(shù)據(jù)里面提取知識(shí)或者未知的、人們感興趣的數(shù)據(jù)，這個(gè)過程中應(yīng)用了機(jī)器學(xué)習(xí)算法。

3.什么是機(jī)器學(xué)習(xí)的過度擬合現(xiàn)象

在機(jī)器學(xué)習(xí)中，當(dāng)一個(gè)統(tǒng)計(jì)模型首先描述隨機(jī)誤差或噪聲，而不是自身的基本關(guān)系時(shí)，過度擬合就會(huì)出現(xiàn)。當(dāng)一個(gè)模型過于復(fù)雜，過擬合通常容易出現(xiàn)，因?yàn)橄鄬?duì)訓(xùn)練數(shù)據(jù)類型的數(shù)量，模型參數(shù)過于龐大。

4.過度擬合產(chǎn)生的原因

由于用于訓(xùn)練模型的標(biāo)準(zhǔn)并不等同于判斷模型效率的標(biāo)準(zhǔn)，這導(dǎo)致了產(chǎn)生過度擬合的可能性。

5.如何避免過擬合

當(dāng)使用較小的數(shù)據(jù)集進(jìn)行機(jī)器學(xué)習(xí)時(shí)，容易產(chǎn)生過度擬合，因此使用較大的數(shù)據(jù)量能避免過擬合現(xiàn)象。但是，當(dāng)不得不使用小數(shù)據(jù)集進(jìn)行建模時(shí)，可以使用交叉驗(yàn)證的技術(shù)，將數(shù)據(jù)分成兩節(jié)即訓(xùn)練集和測(cè)試集。在交叉驗(yàn)證技術(shù)中，一個(gè)模型通常是被給定有先驗(yàn)知識(shí)的數(shù)據(jù)集（訓(xùn)練數(shù)據(jù)集）進(jìn)行訓(xùn)練，沒有先驗(yàn)知識(shí)的數(shù)據(jù)集進(jìn)行測(cè)試。交叉驗(yàn)證的思想是：在訓(xùn)練階段，定義一個(gè)數(shù)據(jù)集來驗(yàn)證模型。

6.什么是感應(yīng)式的機(jī)器學(xué)習(xí)

感應(yīng)機(jī)器學(xué)習(xí)涉及由實(shí)踐進(jìn)行學(xué)習(xí)的過程，能從一組可觀測(cè)的例子，嘗試推導(dǎo)出普遍性規(guī)則。

7.機(jī)器學(xué)習(xí)的五個(gè)流行算法是什么

• 決策樹
• BP神經(jīng)網(wǎng)絡(luò)（反向傳播）
• 概率網(wǎng)絡(luò)
• 最鄰近法
• 支持向量機(jī)

8.機(jī)器學(xué)習(xí)有哪些不同的算法技術(shù)

• 監(jiān)督學(xué)習(xí)
• 非監(jiān)督學(xué)習(xí)
• 半監(jiān)督學(xué)習(xí)
• 轉(zhuǎn)導(dǎo)推理（Transduction）:通過觀察特定的訓(xùn)練樣本，進(jìn)而預(yù)測(cè)特定的測(cè)試樣本的方法。
• 學(xué)習(xí)推理（Learning to Learn）

9.機(jī)器學(xué)習(xí)建立模型的三個(gè)階段是什么

• 建立模型
• 測(cè)試模型
• 模型應(yīng)用

10.什么是監(jiān)督學(xué)習(xí)的標(biāo)準(zhǔn)方法

監(jiān)督學(xué)習(xí)的標(biāo)準(zhǔn)方法是將一組示例數(shù)據(jù)分成訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集。

11.什么是訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集

在類似于機(jī)器學(xué)習(xí)的各個(gè)信息科學(xué)相關(guān)領(lǐng)域中，一組數(shù)據(jù)被用來發(fā)現(xiàn)潛在的預(yù)測(cè)關(guān)系，稱為“訓(xùn)練數(shù)據(jù)集”。訓(xùn)練數(shù)據(jù)集是提供給學(xué)習(xí)者的案例，而試驗(yàn)數(shù)據(jù)集是用于測(cè)試由學(xué)習(xí)者提出的假設(shè)關(guān)系的準(zhǔn)確度。

12.機(jī)器學(xué)習(xí)的各種方法

• 概念與分類學(xué)習(xí)（Concept Vs Classification Learning）
• 符號(hào)與統(tǒng)計(jì)學(xué)習(xí)（Symbolic Vs Statistical Learning）
• 歸納與分類學(xué)習(xí)（Inductive Vs Analytical Learning）

13.非機(jī)器學(xué)習(xí)有哪些類型

人工智能、規(guī)則推理

14.什么是非監(jiān)督學(xué)習(xí)的功能

• 求數(shù)據(jù)的集群
• 求出數(shù)據(jù)的低維表達(dá)
• 查找數(shù)據(jù)有趣的方向
• 有趣的坐標(biāo)和相關(guān)性
• 發(fā)現(xiàn)顯著的觀測(cè)值和數(shù)據(jù)集清理

15.什么是監(jiān)督學(xué)習(xí)的功能

• 分類
• 語音識(shí)別
• 回歸
• 時(shí)間序列預(yù)測(cè)
• 注釋字符串

16.什么是算法獨(dú)立的機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)在基礎(chǔ)數(shù)學(xué)領(lǐng)域獨(dú)立于任何特定分類器或者學(xué)習(xí)算法，被稱為算法獨(dú)立的機(jī)器學(xué)習(xí)。

17.人工智能與機(jī)器學(xué)習(xí)的區(qū)別

基于經(jīng)驗(yàn)數(shù)據(jù)的特性而設(shè)計(jì)和開發(fā)的算法被稱為機(jī)器學(xué)習(xí)。而人工智能不但包含機(jī)器學(xué)習(xí)，還包括諸如知識(shí)表示、自然語言處理、規(guī)劃、機(jī)器人技術(shù)等其他方法。

18.機(jī)器學(xué)習(xí)中分類器是什么

分類器是指輸入離散或者連續(xù)特征值的向量，并輸出單個(gè)離散值或者類型的系統(tǒng)。

19.樸素貝葉斯方法的優(yōu)勢(shì)是什么

樸素貝葉斯分類器會(huì)比判別模型，譬如邏輯回歸收斂地更快，因此只需要更少的訓(xùn)練數(shù)據(jù)。主要缺點(diǎn)是無法學(xué)習(xí)特征間的交互關(guān)系。

20.在哪些領(lǐng)域使用模式識(shí)別技術(shù)

• 計(jì)算機(jī)視覺
• 語言識(shí)別
• 統(tǒng)計(jì)
• 數(shù)據(jù)挖掘
• 非正式檢索
• 生物信息學(xué)

21.什么是遺傳編程

遺傳編程是機(jī)器學(xué)習(xí)常用的方法之一。該模型基于測(cè)試，并在一系列的結(jié)果當(dāng)中，獲取最佳選擇。

22.歸納邏輯程序設(shè)計(jì)是什么

歸納邏輯程序設(shè)計(jì)（ILP）是利用邏輯程序設(shè)計(jì)表達(dá)的背景知識(shí)和實(shí)例，是機(jī)器學(xué)習(xí)的一個(gè)分支。

23.模型的選擇是什么

在不同的數(shù)學(xué)模型中，選擇用于描述相同的數(shù)據(jù)集的模型的過程被稱為模型選擇。模型選擇被應(yīng)用于統(tǒng)計(jì)、機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘等相關(guān)領(lǐng)域。

24.用于監(jiān)督學(xué)習(xí)校準(zhǔn)的兩種方法是什么

• 普拉特校準(zhǔn)
• 保序回歸

25.什么方法通常用于防止過擬合

當(dāng)有足夠的數(shù)據(jù)進(jìn)行等滲回歸時(shí)，這通常被用來防止過擬合問題。

26.規(guī)則學(xué)習(xí)的啟發(fā)式方法和決策樹的啟發(fā)式方法之間的區(qū)別是什么

決策樹的啟發(fā)式方法評(píng)價(jià)的是一系列不相交的集合的平均質(zhì)量；然而規(guī)則學(xué)習(xí)的啟發(fā)式方法僅僅評(píng)價(jià)在候選規(guī)則覆蓋下的實(shí)例ji。

27.什么是感知機(jī)器學(xué)習(xí)

感知器是一種輸入到幾個(gè)可能的非二進(jìn)制輸出的監(jiān)督分類方法。

28.貝葉斯邏輯程序的兩個(gè)組成部分是什么

第一部分由一組貝葉斯條款組成，能捕捉特定領(lǐng)域的定性結(jié)構(gòu)。
第二部分是定量的，能對(duì)量化信息進(jìn)行編碼。

29.什么是貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)是用來表示一組變量之間未概率關(guān)系的圖像模型。

30.為什么基于實(shí)例的學(xué)習(xí)算法有時(shí)也被稱為懶惰學(xué)習(xí)算法

基于實(shí)例的學(xué)習(xí)算法也被稱為懶惰學(xué)習(xí)算法，因?yàn)樗鼈冄泳徴T導(dǎo)或泛化過程，直到分類完成。

31.支持向量機(jī)能處理哪兩種分類方法

• 結(jié)合二分類法
• 修改二進(jìn)制納入多分類法

32.什么是集成學(xué)習(xí)？

為了解決特定的計(jì)算程序，如分類器或?qū)＜抑R(shí)等多種模式，進(jìn)行戰(zhàn)略性生產(chǎn)和組合。這個(gè)過程被稱為集成學(xué)習(xí)。

33.為什么集成學(xué)習(xí)被應(yīng)用？

集成學(xué)習(xí)能提高模型的分類，預(yù)測(cè)，函數(shù)逼近等方面的精度。

34.什么使用集成學(xué)習(xí)？

當(dāng)你構(gòu)建一個(gè)更準(zhǔn)確，相互獨(dú)立的分類器時(shí)，使用集成學(xué)習(xí)。

35.什么是集成方法的兩種范式？

集成方法的兩種范式是：

• 連續(xù)集成方法
• 并行集成方法。

36.什么是集成方法的一般原則，在集成方法中套袋（bagging）和爆發(fā)（boosting）指的是什么？

集成方法的一般原則是要結(jié)合定的學(xué)習(xí)算法多種預(yù)測(cè)模型，相對(duì)于單一模型，其有更強(qiáng)的健壯性。套袋是一種能提高易變的預(yù)測(cè)或分類方案集成方法。爆發(fā)方法被依次用來減少組合模型的偏差。爆發(fā)和裝袋都可以通過降低方差減少誤差。

37.什么是集成方法分類錯(cuò)誤的偏置方差分解？

學(xué)習(xí)算法的期望誤差可以分解為偏差和方差。偏置項(xiàng)衡量由學(xué)習(xí)方法產(chǎn)生的平均分類器與目標(biāo)函數(shù)是否匹配。

38.在集成方法中什么是增量合成方法？

增量學(xué)習(xí)方法是一種從新數(shù)據(jù)進(jìn)行學(xué)習(xí)，并能應(yīng)用于后續(xù)由現(xiàn)有的數(shù)據(jù)集生成的分類器的算法。

39.PCA，KPCA和ICE如何使用？

PCA（主成分分析），KPCA（基于內(nèi)核主成分分析）和ICA（獨(dú)立成分分析）是用于降維的重要特征提取技術(shù)。

40.在機(jī)器學(xué)習(xí)中降維是什么意思？

在機(jī)器學(xué)習(xí)和統(tǒng)計(jì)應(yīng)用中，降維是指在計(jì)算時(shí)減少隨機(jī)變量數(shù)目的處理過程，并且可以分為特征選擇和特征提取。

41.什么是支持向量機(jī)？

支持向量機(jī)是一種監(jiān)督學(xué)習(xí)算法，適用于分類和回歸分析。

42.關(guān)系評(píng)價(jià)技術(shù)的組成部分是什么？

關(guān)系評(píng)價(jià)技術(shù)的重要組成部分如下：
1.數(shù)據(jù)采集2. 地面實(shí)況采集3. 交叉驗(yàn)證技術(shù)4. 查詢類型5. 評(píng)分標(biāo)準(zhǔn)6. 顯著性檢驗(yàn)。

43.連續(xù)監(jiān)督學(xué)習(xí)有什么不同方法？

連續(xù)監(jiān)督學(xué)習(xí)問題的不同解決辦法如下：
1.滑動(dòng)窗口方法
2. 復(fù)發(fā)性推拉窗
3. 隱藏馬爾科夫模型
4. 最大熵馬爾科夫模型
5. 條件隨機(jī)域
6. 圖變換網(wǎng)絡(luò)

44.在機(jī)器人技術(shù)和信息處理技術(shù)的哪些方面會(huì)相繼出現(xiàn)預(yù)測(cè)問題？

在機(jī)器人技術(shù)和信息處理技術(shù)中，相繼出現(xiàn)預(yù)測(cè)問題的是：
1.模仿學(xué)習(xí)
2. 結(jié)構(gòu)預(yù)測(cè)
3. 基于模型的強(qiáng)化學(xué)習(xí)。

45.什么是批量統(tǒng)計(jì)學(xué)習(xí)？

統(tǒng)計(jì)學(xué)習(xí)技術(shù)允許根據(jù)一組觀察到的數(shù)據(jù)進(jìn)行學(xué)習(xí)功能和預(yù)測(cè)，這可以對(duì)無法觀察和未知的數(shù)據(jù)進(jìn)行預(yù)測(cè)。這些技術(shù)提供的學(xué)習(xí)預(yù)測(cè)器對(duì)未來未知數(shù)據(jù)的預(yù)測(cè)提供性能保證。

46.什么是PAC學(xué)習(xí)？

可能近似正確模型 (PAC) 學(xué)習(xí)是一個(gè)已經(jīng)被引入到分析學(xué)習(xí)算法和統(tǒng)計(jì)效率的學(xué)習(xí)框架。

47.有哪些不同的類別可以分為序列學(xué)習(xí)過程？

1.序列預(yù)測(cè)
2. 序列生成
3. 序列識(shí)別
4. 順序決定

48.什么是序列學(xué)習(xí)？

序列學(xué)習(xí)是一種以合乎邏輯的方式進(jìn)行教學(xué)和學(xué)習(xí)的方法。

49.機(jī)器學(xué)習(xí)的兩種技術(shù)是什么？

機(jī)器學(xué)習(xí)的兩種技術(shù)是：
1.遺傳編程
2.歸納學(xué)習(xí)

50.你在日常工作中看到的機(jī)器學(xué)習(xí)的一個(gè)流行應(yīng)用是什么？

各大電商網(wǎng)站上已部署好的推薦引擎使用的是機(jī)器學(xué)習(xí)。

總結(jié)

以上是生活随笔為你收集整理的机器学习常见知识点自查50问与答的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。