机器学习-机器学习概论

1.【单选题】以下有关机器学习理解不正确的是 ( )。

A、查询大量的操作数据去发现新的信息

B、从大量的业务数据中分析有兴趣的新颖知识辅助决策的过程

C、机器学习的结果不一定能辅助决策

D、需要借助统计学或机器学习的一些算法

解：A

机器学习并不是查询大量的操作数据去发现新的信息，而是寻找已有数据中存在的规律。

2.【单选题】移动运营商对客户进行细分,设计套餐和营销活动可以使用下面哪种机器学习方法( )。

A、贝叶斯分类器

B、关联方法

C、聚类算法

D、多层前馈网络

解：C

移动运营商对客户进行细分，设计套餐和营销活动。首先客户是没有标签，我们需要对于没有标签的数据划分成不同的分类，这种机器学习方法属于聚类算法。

3.【单选题】移动运营商对客户的流失进行预测,可以使用下面哪种机器学习方法比较合适 ( )。

A、一元线性回归分析

B、关联方法

C、聚类方法

D、多层前馈网络

解：D

移动运营商对客户的流失进行预测，我们可以将其看成一个分类问题。根据客户的已有信息，例如年龄、收入等等，然后判断他属于流失人员还是不属于流失人员。

一元线性回归分析错在数据特征往往不会是一种。

关联方法是用于发现数据特征之间的联系，通常用于减低数据维度，不能用于分类问题。

聚类方法不能用于解决分类问题。

多层前馈神经网络可以用于解决分类问题。

4.【单选题】数据预处理对机器学习是很重要的,下面说法正确的是( )。

A、数据预处理的效果直接决定了机器学习的结果质量

B、数据噪声对神经网络的训练没什么影响

C、对于有问题的数据都直接删除即可

D、预处理不需要花费大量的时间

解：A

数据预处理的效果直接决定了机器学习的结果质量，正确。因为数据的好坏直接决定了我们从数据中学习到的规则，因此对数据进行预处理是十分必要的。

数据噪声对神经网络的训练具有影响。神经网络中噪声的注入可以有很多种，如输入层，隐层，权重，输出层等。1.输入层注入噪声，其实可以看作是数据集增强的一种手段，本质是一种正则化。原因是神经网络对于噪声并不健壮，只好混入噪声再进行训练，提高鲁棒性。2.输出层注入噪声，其实是对标签噪声建模。

对于有问题的数据，除了直接删除还可以进行平滑处理等操作使其有效。

预处理是机器学习最为关键的一步，数据是机器学习的灵魂。如果数据足够精确，可以尽可能地降低训练难度。

5.【单选题】以下哪个步骤不是机器学习所需的预处理工作( )。

A、数值属性的标准化

B、变量相关性分析

C、异常值分析

D、与用户讨论分析需求

解：D

与用户讨论分析需求不是对数据的预处理，而是明确我们需要完成的任务。

6.【多选题】对于机器学习中的原始数据,存在的问题可能有( )。

A、错误值

B、重复

C、异常值

D、不完整

我的答案：ABCD

数据可能存在错误、重复、异常值、不完整等问题。

机器学习-机器学习概论相关推荐

统计机器学习(机器学习) 概念
统计机器学习(机器学习) 概念该文章是作者阅读相关书籍和资料后,总结和归纳的一些个人认为有必要整理和了解的知识点介绍.与大家一起分享,如有不妥之处,还望指正. 统计(机器)学习 1．统计学习概念统 ...
我爱机器学习机器学习干货站- 资源
我爱机器学习机器学习干货站跳至正文机器学习 Deep Learning 所有主题关注我们 DeepMind团队的<Deep Reinforcement Learning in Large ...
机器学习-机器学习概论（入门机器学习基础知识）
机器学习简介机器学习一词来源于Machine Learning的翻译,主要研究计算机模拟或者实现人类的行为,顾名思义,像学生一样,通过学习获取新的知识或者技能,完善自身的知识结构,并不断提升自己的 ...
大数据机器学习算法概论
视频解析 https://edu.csdn.net/course/play/7813 算法概述算法是计算机科学领域最重要的基石之一,计算机语言和开发平台日新月异,但万变不离其宗的是那些算法和理论, ...
我爱机器学习--机器学习方向资料汇总
转载:http://blog.csdn.net/shuimanting520/article/details/45748505 机器学习爱好者资料机器学习领域的几种主要学习方式 From Stump ...
多项式拟合缺点_机器学习——机器学习算法优缺点综述
来源:数据派THU.七月在线转自:Datawhale(Datawhale 目录正则化算法(Regularization Algorithms) 集成算法(Ensemble Algorithms) ...
第十七章大规模机器学习-机器学习老师板书-斯坦福吴恩达教授
第十七章大规模机器学习 17.1 大数据集学习 17.2 随机梯度下降 17.3 mini-batch 梯度下降 17.4 随机梯度下降收敛 17.5 在线学习 17.6 减少映射与数据并行 17. ...
python人工智能——机器学习——机器学习基础
1.机器学习开发流程 2.机器学习算法分类 3.机器学习模型是什么? 机器学习开发流程机器学习算法分类监督学习(特征值+目标值) 监督学习(英语:Supervised learning),可以由输 ...
机器学习-机器学习简介
机器学习简介即使是机器学习领域的专业人士,也很难给机器学习这一概念下一个准确的定义,比较常见的说法有两种.Arthur Samuel描述其为"使计算机无需明确编程就能自主学习的研究领域&q ...

机器学习-机器学习概论

机器学习-机器学习概论相关推荐

最新文章

热门文章