你对机器学习了解多少？

这些天你听到很多关于机器学习的事情。但它实际上是如何工作的呢？

参加这个小测验——10个问题——看看你对机器学习了解多少！

问题01

当您有一组输入数据并且知道可能的响应时，什么类型的机器学习算法进行预测？

监督学习
监督逻辑
无监督学习
深度学习

问题02

当数据没有标记时，哪类机器学习算法会在数据中发现模式？

数据预言
无监督学习
监督逻辑
监督学习

问题03

何时减少数据中的维度？

当数据来自传感器时
当您使用Linux机器时
当数据集大于500 GB时

当您拥有一大组具有相似特征的特征时

问题04

分类模型做什么？

预测实数响应，如温度、日期或时间的变化

将数据指定给预定义的类别

根据相似性将响应分组，以找到模式
将预测的数据分类与数据中的实际类标签进行比较

问题05

以下哪一种分类算法最容易用于预测？

天真的贝叶斯

神经网络

逻辑回归
袋装决策树

问题06

超参数调优做什么？

优化参数以提高学习算法的性能
指定表示线性分类器的超平面
扩展模型的参数集以提高性能
进行参数调整，导致性能下降

问题07

哪种特征选择技术使用收缩估计器从数据中去除冗余特征？

逐步回归
序列特征选择
邻域成分分析
正规化

问题08

什么是主成分分析？

一种特征选择技术，用于添加或删除特征以优化预测精度
一种降低数据维数的线性特征变换技术
将数据划分为相互排斥的群集的群集技术
识别一组更好参数的预测技术
过度装配

问题09

什么是过度装修？

当预测模型准确但运行时间过长时
当模型学习到无法推广到更大数据集的训练数据的细节时
当你将一个强大的深度学习算法应用于一个简单的机器学习问题时
执行超参数调整时，性能会下降

问题10

什么样的表将模型预测的分类与实际的类标签进行比较？

混沌表
混淆矩阵
预测图
残差图