下面关于机器学习流水线(PipeLine)的描述,错误的是:
A.流水线将多个工作流阶段(转换器和评估器)连接在一起,形成机器学习的工作流,并获得结果输出
B.要构建一个机器学习流水线,首先需要定义流水线中的各个PipelineStage
C.PipelineStage称为工作流阶段,包括转换器和评估器,比如指标提取和转换模型训练等
D.流水线构建好以后,就是一个转换器(Transformer)
A.流水线将多个工作流阶段(转换器和评估器)连接在一起,形成机器学习的工作流,并获得结果输出
B.要构建一个机器学习流水线,首先需要定义流水线中的各个PipelineStage
C.PipelineStage称为工作流阶段,包括转换器和评估器,比如指标提取和转换模型训练等
D.流水线构建好以后,就是一个转换器(Transformer)
A、机器学习深度学习人工智能
B、深度学习人工智能机器学习
C、深度学习机器学习人工智能
D、深度学习=机器学习人工智能
B、人工智能与机器学习是等同的概念
C、机器学习的概念包括了深度学习
D、我们即将进入强人工智能时代
B、在更好更快的计算机上能够帮助一个团队减少迭代(训练)的时间
C、在数据量很多的数据集上训练上的时间要快于小数据集
D、使用更新的深度学习算法可以使我们能够更快地训练好模型(即使更换CPU/GPU硬件)
A、评估器是学习算法或在训练数据上的训练方法的概念抽象
B、在机器学习流水线里,评估器通常是被用来操作 DataFrame数据并生成一个转换器
C、评估器实现了方法transfrom(),它接受一个DataFrame并产生一个转换器
D、评估器实现了方法fit(),它接受一个DataFrame并产生一个转换器
A、转换器是一种可以将一个DataFrame转换为另一个DataFrame的算法
B、技术上,转换器实现了一个方法fit(),它通过附加一个或多个列,将一个DataFrame转换为另一个DataFrame
C、一个模型就是一个转换器,它把一个不包含预测标签的测试数据集DataFrame打上标签,转化成另一个包含预测标签的 DataFrame
D、技术上,转换器实现了一个方法transform(),它通过附加一个或多个列,将一个DataFrame转换为另一个DataFrame
A、传统的机器学习算法,由于技术和单机存储的限制,大多只能在少量数据上使用
B、利用MapReduce框架在全量数据上进行机器学习,这在一定程度上解决了统计随机性的问题,提高了机器学习的精度
C、MapReduce可以高效支持迭代计算
D、Spark无法高效支持迭代计算
为了保护您的账号安全,请在“简答题”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!