你对机器学习了解多少？

这些天你听到了很多关于机器学习的事情。但它实际上是如何工作的？

采取测验 - 只有10个问题 - 看看你对机器学习了多少！

问题01.

什么类型的机器学习算法在拥有一组输入数据时使预测成为预测，并且您知道可能的响应？

监督学习
监督逻辑
无人监督的学习
深度学习

问题02.

什么类别的机器学习算法在未标记数据时在数据中找到模式？

数据预言
无人监督的学习
监督逻辑
监督学习

问题03.

您何时会减少数据中的维度？

当数据来自传感器时
当您使用Linux机器时
当您的数据集大于500 GB时

当您有大量具有相似特征的特征

问题04.

分类模型做了什么？

预测实际数字响应，例如温度，日期或时间的变化

将数据分配给预定义类别

基于相似性的小组在群体中响应，寻找模式
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.

这些分类算法中的哪一个最简单地开始预测？

天真贝父

神经网络

物流回归
袋装决策树

问题06.

HyperParameter调整是什么？

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
展开模型的参数集以提高性能
到目前为止，参数调整到目前为止性能降级

问题07.

哪种特征选择技术使用收缩估算器从数据中删除冗余功能？

逐步回归
顺序特征选择
邻里分量分析
正则化

问题08.

什么是主要成分分析？

一种功能选择技术，可以添加或删除功能以优化预测精度
一种降低数据维度的线性特征变换技术
将数据分为互斥集群的群集技术
一种识别更好一组参数的预测技术
过度装满

问题09.

什么是过度装备？

当预测模型准确但需要太长时才能运行
当模型了解无法概括到更大数据集的培训数据的细节时
当您将强大的深度学习算法应用于简单的机器学习问题时
当您执行HyperParameter调整和性能下降时

问题10.

什么样的表比较了模型预测的分类与实际的类标签？

混乱表
混乱矩阵
预测情节
剩余情节