多少钱你知道机器学习？

你听到了很多关于机器学习这些天。但它是如何实际工作？

参加测验 - 只有10个问题 - 看看你知道机器学习多少！

问题01

什么类型的机器学习算法使得预测当你有一组输入数据，你知道可能的反应？

监督学习
监事会逻辑
无监督学习
深度学习

问题02

什么类别的机器学习算法的发现数据中的模式，当数据没有被标记？

数据预言
无监督学习
监事会逻辑
监督学习

问题03

你什么时候会降低数据尺寸是多少？

当数据来自传感器
如果您使用的是Linux机器
当您的数据集比500 GB的

当你有一个大的功能集具有类似特征

问题04

什么是分类模型吗？

预计实数的反应，如温度，日期或时间更改

将数据分配到预定义的类别

基于相似的群体集群响应，寻找模式
在数据预测数据分类比较实际的类标签

问题05

其中这些分类算法，一个是最容易下手的预测？

朴素贝叶斯

神经网络

Logistic回归
袋装决策树

问题06

什么是超参数调整呢？

优化参数以改善学习算法的性能
指定表示线性分类超平面
扩展参数设置来提高性能的典范
采用参数调整至今，业绩变差

问题07

其特征选择技术使用收缩估计从数据删除冗余的功能？

逐步回归
顺序特征选择
邻里成分分析
正则

问题08

什么是主成分分析？

该添加或删除的特征选择技术功能，以优化预测精度
线性特征的转化技术用于减少数据维数
聚类技术，将数据分成相互排斥的簇
预测性的技术，其识别更好的参数集
过度拟合

问题09

什么是过度适应？

当一个预测模型是准确的，但时间太长运行
当模型得知不能推广到更大的数据集训练数据的细节
当您应用强大的深度学习算法简单的机器学习问题
当您执行超参数调整和性能降级

问题10

什么样的表比较了与实际类标签模型预测的分类？

混沌表
混淆矩阵
预测图
残差图