Prenesite PDF
1) Kaj je strojno učenje?
Strojno učenje je veja računalništva, ki se ukvarja s sistemskim programiranjem za samodejno učenje in izboljševanje z izkušnjami. Na primer: Roboti so programirani tako, da lahko opravijo nalogo na podlagi podatkov, ki jih zberejo s senzorjev. Programe samodejno uči iz podatkov.
2) Omenite razliko med rudarjenjem podatkov in strojnim učenjem?
Strojno učenje je povezano s preučevanjem, načrtovanjem in razvojem algoritmov, ki računalnikom omogočajo učenje, ne da bi bili izrecno programirani. Medtem lahko rudarjenje podatkov definiramo kot postopek, v katerem nestrukturirani podatki poskušajo pridobiti znanje ali neznane zanimive vzorce. Med tem procesnim strojem se uporabljajo algoritmi za učenje.
3) Kaj je „prekomerno opremljanje“ pri strojnem učenju?
Pri strojnem učenju, ko statistični model opisuje naključno napako ali šum, namesto da bi prišlo do pretiranega razmerja, pride do "pretiranega opremljanja". Kadar je model pretirano kompleksen, običajno opazimo prekomerno opremljanje, ker ima preveč parametrov glede na število podatkov o vadbi. Model kaže slabo zmogljivost, ki je bila preveč opremljena.
4) Zakaj se zgodi prekomerno opremljanje?
Obstaja možnost prekomerne opremljenosti, saj merila, uporabljena za usposabljanje modela, niso enaka merilom, ki se uporabljajo za presojo učinkovitosti modela.
5) Kako se lahko izognete prekomerni opremi?
Z uporabo veliko podatkov se lahko izognemo prekomernemu opremljanju, saj se prekomerno opremljanje zgodi relativno, ker imate majhen nabor podatkov in se poskušate iz njega učiti. Če pa imate majhno bazo podatkov in ste prisiljeni priti z modelom, ki temelji na tem. V takem primeru lahko uporabite tehniko, imenovano navzkrižno preverjanje veljavnosti . Pri tej metodi se nabor podatkov razdeli na dva odseka, nabora podatkov o testiranju in usposabljanju, preizkusni nabor podatkov bo model samo preizkusil, medtem ko bodo v naboru podatkov za usposabljanje model pripravili podatkovne točke.
Pri tej tehniki se modelu običajno da nabor podatkov iz znanih podatkov, na katerem se izvaja trening (nabor podatkov o vadbi) in nabor neznanih podatkov, na podlagi katerih se model testira. Ideja navzkrižne potrditve je opredeliti nabor podatkov za "preizkušanje" modela v fazi usposabljanja.
6) Kaj je induktivno strojno učenje?
Induktivno strojno učenje vključuje proces učenja s primeri, kjer sistem iz nabora opazovanih primerov poskuša spodbuditi splošno pravilo.
7) Katerih pet priljubljenih algoritmov strojnega učenja?
- Drevesa odločitve
- Nevronske mreže (povratno širjenje)
- Verjetnostne mreže
- Najbližji sosed
- Podporni vektorski stroji
8) Katere so različne tehnike algoritma pri strojnem učenju?
Različne vrste tehnik strojnega učenja so
- Nadzorovano učenje
- Nenadzorovano učenje
- Učenje pod nadzorom
- Okrepitveno učenje
- Transdukcija
- Učenje učenja
9) Katere tri faze gradijo hipoteze ali model strojnega učenja?
- Izdelava makete
- Preskušanje modelov
- Uporaba modela
10) Kakšen je standardni pristop k nadzorovanemu učenju?
Standardni pristop k nadzorovanemu učenju je razdelitev primera na sklop treningov in test.
11) Kaj sta "trening set" in "test set"?
Na različnih področjih informacijske znanosti, kot je strojno učenje, se nabor podatkov uporablja za odkrivanje potencialno napovedne povezave, imenovane "Training Set". Vadbeni niz so primeri, ki se dajo učencu, medtem ko se Testni niz uporablja za preizkušanje natančnosti hipotez, ki jih je ustvaril učenec, in je niz zgledov, ki jih učenec zadrži. Vadbeni sklop se razlikuje od preizkusnega.
12) Naštejte različne pristope za strojno učenje?
Različni pristopi pri strojnem učenju so
- Koncept Vs Klasifikacija Učenje
- Simbolično vs statistično učenje
- Induktivno vs analitično učenje
13) Kaj ni strojno učenje?
- Umetna inteligenca
- Sklepanje na podlagi pravil
14) Pojasnite, kakšna je funkcija „nenadzorovanega učenja“?
- Poiščite grozde podatkov
- Poiščite nizkorazsežne predstavitve podatkov
- V podatkih poiščite zanimiva navodila
- Zanimive koordinate in korelacije
- Poiščite nova opazovanja / čiščenje baze podatkov
15) Pojasnite, kakšna je funkcija „nadzorovanega učenja“?
- Klasifikacije
- Prepoznavanje govora
- Regresija
- Predvidite časovne vrste
- Označi nize
16) Kaj je algoritemsko neodvisno strojno učenje?
Strojno učenje, kjer so matematične osnove neodvisne od katerega koli določevalnika ali učnega algoritma, se imenuje algoritemsko neodvisno strojno učenje?
17) Kakšna je razlika med umetnim učenjem in strojnim učenjem?
Oblikovanje in razvoj algoritmov glede na vedenje na podlagi empiričnih podatkov je znano kot Strojno učenje. Umetna inteligenca poleg strojnega učenja zajema tudi druge vidike, kot so predstavitev znanja, obdelava naravnega jezika, načrtovanje, robotika itd.
18) Kaj je klasifikator pri strojnem učenju?
Klasifikator v strojnem učenju je sistem, ki vnese vektor diskretnih ali neprekinjenih vrednosti lastnosti in prikaže eno samo diskretno vrednost, razred.
19) Kakšne so prednosti Naive Bayes?
V Naive Bayes se bo klasifikator konvergiral hitreje kot diskriminacijski modeli, kot je logistična regresija, zato potrebujete manj podatkov o usposabljanju. Glavna prednost je, da se ne more naučiti interakcij med funkcijami.
20) Na katerih področjih se uporablja prepoznavanje vzorcev?
Prepoznavanje vzorcev je mogoče uporabiti v
- Računalniški vid
- Prepoznavanje govora
- Podatkovno rudarjenje
- Statistika
- Neformalno iskanje
- Bio-informatika
21) Kaj je genetsko programiranje?
Genetsko programiranje je ena od dveh tehnik, ki se uporabljata pri strojnem učenju. Model temelji na testiranju in izbiri najboljše izbire med nizom rezultatov.
22) Kaj je induktivno logično programiranje pri strojnem učenju?
Induktivno logično programiranje (ILP) je podpolje strojnega učenja, ki uporablja logično programiranje, ki predstavlja osnovno znanje in primere.
23) Kaj je izbira modela pri strojnem učenju?
Postopek izbire modelov med različnimi matematičnimi modeli, ki se uporabljajo za opis istega nabora podatkov, je znan kot Izbira modelov. Izbira modelov se uporablja na področjih statistike, strojnega učenja in podatkovnega rudarjenja.
24) Kateri dve metodi se uporabljata za kalibracijo pri nadzorovanem učenju?
Metodi, ki se uporabljata za napovedovanje dobrih verjetnosti nadzorovanega učenja, sta
- Platt kalibracija
- Izotonična regresija
Te metode so zasnovane za binarno klasifikacijo in niso nepomembne.
25) Katera metoda se pogosto uporablja za preprečevanje prekomerne opremljenosti?
Kadar je dovolj podatkov, se za preprečitev težave s prekomerno opremljenostjo uporablja „izotonična regresija“.
26) Kakšna je razlika med hevristiko za učenje pravil in hevristiko za drevesa odločanja?
Razlika je v tem, da hevristike za drevesa odločanja ocenjujejo povprečno kakovost številnih ločenih nizov, medtem ko učenci pravil ocenjujejo samo kakovost nabora primerov, ki je zajet v pravilu kandidata.
27) Kaj je perceptron v strojnem učenju?
V strojnem učenju je Perceptron algoritem za nadzorovano razvrstitev vhodnih podatkov v enega od več možnih nebinarnih izhodov.
28) Pojasnite dve komponenti Bayesovega logičnega programa?
Bayesov logični program je sestavljen iz dveh komponent. Prva komponenta je logična; sestavljen je iz niza Bayesovih klavzul, ki zajema kvalitativno strukturo domene. Druga komponenta je kvantitativna in kodira kvantitativne informacije o domeni.
29) Kaj so Bayesova omrežja (BN)?
Bayesova mreža se uporablja za predstavitev grafičnega modela verjetnostnega razmerja med naborom spremenljivk.
30) Zakaj algoritem učenja, ki temelji na primerkih, včasih imenujejo tudi algoritem lenega učenja?
Učni algoritem, ki temelji na primeru, se imenuje tudi algoritem za lenobno učenje, saj upočasni postopek indukcije ali posploševanja, dokler se ne izvede klasifikacija.
31) Kateri sta dve klasifikacijski metodi, ki ju lahko obvlada SVM (Support Vector Machine)?
- Združevanje binarnih klasifikatorjev
- Spreminjanje binarnega sistema, da vključi učenje več razredov
32) Kaj je učenje z ansamblom?
Za reševanje določenega računalniškega programa se strateško ustvari in kombinira več modelov, kot so klasifikatorji ali strokovnjaki. Ta postopek je znan kot ansambelno učenje.
33) Zakaj se uporablja ansambelno učenje?
Učenje z ansamblom se uporablja za izboljšanje klasifikacije, napovedovanja, približevanja funkcij itd. Modela.
34) Kdaj uporabiti ansambelno učenje?
Učenje z ansamblom se uporablja, ko sestavljate klasifikatorje komponent, ki so natančnejši in neodvisni drug od drugega.
35) Kateri sta dve paradigmi ansambelskih metod?
Paradigmi ansambelskih metod sta
- Zaporedne metode ansambla
- Vzporedne ansambelske metode
36) Kaj je splošno načelo ansambelske metode in kaj je združevanje v vreče in pospeševanje pri ansambelski metodi?
Splošno načelo ansambelske metode je kombiniranje napovedi več modelov, zgrajenih z določenim učnim algoritmom, da bi izboljšali robustnost enega samega modela. Urejanje v vreče je metoda v ansamblu za izboljšanje nestabilnih shem ocenjevanja ali razvrščanja. Medtem ko se spodbujevalne metode uporabljajo zaporedno za zmanjšanje pristranskosti kombiniranega modela. Povečanje in dodajanje vrečke lahko zmanjšata napake z zmanjšanjem obdobja variance.
37) Kaj je razčlenitev napake pri razvrstitvi pristranskosti na klasifikacijsko napako v ansambelski metodi?
Pričakovano napako učnega algoritma lahko razstavimo na pristranskost in varianco. Izraz pristranskosti meri, kako natančno se povprečni klasifikator, ki ga ustvari učni algoritem, ujema s ciljno funkcijo. Izraz variance meri, kako niha predvidevanje učnega algoritma za različne sklope vadbe.
38) Kaj je algoritem dodatnega učenja v ansamblu?
Metoda inkrementalnega učenja je sposobnost algoritma, da se uči iz novih podatkov, ki so morda na voljo po tem, ko je klasifikator že ustvarjen iz že razpoložljivega nabora podatkov.
39) Za kaj se uporabljajo PCA, KPCA in ICA?
PCA (analiza glavnih komponent), KPCA (analiza glavnih komponent na osnovi jedra) in ICA (neodvisna analiza komponent) so pomembne tehnike ekstrakcije lastnosti, ki se uporabljajo za zmanjšanje dimenzij.
40) Kaj je zmanjšanje dimenzij pri strojnem učenju?
V strojnem učenju in statistiki je zmanjševanje dimenzij postopek zmanjšanja števila naključnih spremenljivk, ki ga obravnavamo, in ga lahko razdelimo na izbiro in ekstrakcijo lastnosti.
41) Kaj so podporni vektorski stroji?
Stroji za podporo vektorjem so nadzorovani učni algoritmi, ki se uporabljajo za klasifikacijo in regresijsko analizo.
42) Katere so komponente tehnik relacijskega vrednotenja?
Pomembne komponente tehnik relacijskega vrednotenja so
- Zbiranje podatkov
- Pridobivanje zemeljske resnice
- Tehnika navzkrižne validacije
- Vrsta poizvedbe
- Metrika točkovanja
- Preizkus pomembnosti
43) Katere so različne metode za zaporedno nadzorovano učenje?
Različne metode za reševanje problemov zaporednega nadzorovanega učenja so
- Metode drsnih oken
- Ponavljajoča se drsna okna
- Skriti modeli Markow
- Največ entropijskih modelov Markow
- Pogojna naključna polja
- Grafična transformatorska omrežja
44) Na katerih področjih v robotiki in obdelavi informacij se pojavlja problem zaporednega napovedovanja?
Področja v robotiki in obdelavi informacij, kjer se pojavlja problem zaporednega predvidevanja, so
- Učenje imitacije
- Strukturirana napoved
- Učenje okrepitve na podlagi modelov
45) Kaj je serijsko statistično učenje?
Statistične tehnike učenja omogočajo učenje funkcije ali napovedovalca iz nabora opazovanih podatkov, ki lahko predvidevajo nevidne ali prihodnje podatke. Te tehnike zagotavljajo jamstva za uspešnost naučenega napovedovalca za prihodnje nevidne podatke na podlagi statistične predpostavke o procesu ustvarjanja podatkov.
46) Kaj je učenje PAC?
Učenje PAC (verjetno približno pravilno) je učni okvir, ki je bil uveden za analizo učnih algoritmov in njihove statistične učinkovitosti.
47) Katere kategorije lahko uvrstite v zaporedni učni postopek?
- Napoved zaporedja
- Ustvarjanje zaporedja
- Prepoznavanje zaporedja
- Zaporedna odločitev
48) Kaj je učenje zaporedja?
Učenje v zaporedju je metoda poučevanja in učenja na logičen način.
49) Kateri sta dve tehniki strojnega učenja?
Tehniki strojnega učenja sta
- Genetsko programiranje
- Induktivno učenje
Mehanizem priporočil, ki ga izvajajo glavna spletna mesta za e-trgovino, uporablja strojno učenje.
