()關於資料集的類比描述何者正確
A.驗證集像是一場模擬考
B.訓練集就像是深度學習模型的教科書
C.測試集對於模型來說則是最終決定成果的考試
D.驗證集對於模型來說則是最終決定成果的考試
E.測試集像是一場模擬考
A.驗證集像是一場模擬考
B.訓練集就像是深度學習模型的教科書
C.測試集對於模型來說則是最終決定成果的考試
D.驗證集對於模型來說則是最終決定成果的考試
E.測試集像是一場模擬考
第1题
A.正交集 (orthogonal set)
B.訓練集(training set)
C.驗證集(validation set)
D.平行集(parallel set)
E.測試集(testing set)
第5题
A.聚類(clustering)是一種非監督式學習
B.聚類(clustering)是一種監督式學習
C.使用的資料不需要包含類別標籤
D.使用的資料需要包含類別標籤
E.常見的基本聚類方法有 K- 平均演算法和階層式聚類
第6题
A.是訓練過程中用來度量分類器輸出錯誤程度的數學化表示
B.預測錯誤程度越大,損失函數的取值就越大
C.定義合適的損失函數對於訓練分類器是非常重要的
D.損失函數是在整個訓練集上求得的,如果用它來更新參數,則是利用了整個數據集中被誤分類的數據
E.感知器和支持向量機是基於相同的損失函數建立起來的
第7题
A.是一種訓練分類器的算法
B.利用被誤分類的數據調整現有分類器的參數,使調整後的分類器判斷更加準確
C.感知器的學習算法就是不斷減少對數據誤分類的過程
D.感知器的損失函數是在整個訓練數據集上求得的
E.以上皆是
第8题
A.分群問題被定義為:將未知的新訊息歸納進已知的資訊中
B.機器學習領域中的分群問題,重點在於新的資料和已分類的資料互相比較,看看新資料在分類過的資料中,和哪一類資料比較類似
C.分類問題就是一群資料中沒有明確的分類或群體,而是必須透過它們所具有的特徵做區分
D.分群的問題要事先幫資料做標籤 (label)
E.分群的基礎在於要根據可以區分出兩種群體的特徵來分群
第9题
A.分類的演算法都稱為監督式學習
B.分類的演算法都稱為非監督式學習
C.分群的演算法都稱為監督式學習
D.分群的演算法都稱為非監督式學習
E.決策樹(decision tree)是機器學習分類的技術
第10题
A.Google AlphaGo也是奠基於機器學習,透過電腦運算對手下棋的頻率
B.廣泛應用在圖像、影像識別、推薦系統、輔助決策等金融、醫療、國防民生領域
C.深度學習網路就像黑盒子 (black box),人們不容易理解模型中各網路層的內涵,就無法做出有效的調整
D.透過 CNN 模型,你可以輸入一張圖片,得到該圖片屬於哪種類別的結果,這過程我們把他稱作分類 (Classification)
E.行為理解問題一般遵從如下基本過程:特徵提取與運動表徵、行為識別、高層行為與場景理解
第11题
A.Increasing on (0 , ∞)
B.Increasing on (-4 , ∞)
C.decreasing on (-∞ , -4)
D.decreasing on (-4 , -1)
为了保护您的账号安全,请在“上学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!