下列关于有监督机器学习的算法中,说法正确的是
A.如果一个属性对于所有样本都没有区分能力,那么对于决策毫无用处
B.单一支持向量机模型本身是针对多分类问题的算法
C.K近邻算法中,K值的选择,不会对分类结果有很大影响
D.属性在决策树中的位置不同,并不会影响决策树的效率
A.如果一个属性对于所有样本都没有区分能力,那么对于决策毫无用处
B.单一支持向量机模型本身是针对多分类问题的算法
C.K近邻算法中,K值的选择,不会对分类结果有很大影响
D.属性在决策树中的位置不同,并不会影响决策树的效率
B、强化学习属于无监督学习的一种,不需要有监督信息
C、强化学习和有监督学习的过程相似,是“开环”的过程
D、在强化学习中,计算机通过不断与环境交互并通过环境反馈来逐渐适应环境
B、教师对学生的训练不仅包括具体的活动步骤,也包括合作能力和人际交往能力等
C、训练的目标在于让学生能够直观地体会到合作学习的过程以及合作学习中需要的能力,是以学生参与为主体的
D、通过训练,教师将自己对学生的期待进一步显性化,将合作学习的要求转化为可被观察、可被模仿的行为
E、教师需要对学生训练的展开过程进行监督、观察,并提出反馈和建议
F、只要教师对合作学习的任务要求等进行了说明,就没有必要进行对学生进行训练
G、合作学习中的训练只是让学生进一步熟悉合作学习活动的步骤和要求
H、合作学习中的训练是可有可无的,主要取决于在课堂中可用的时间
A、对聚类的样本可以继续分类,从而可以获得各类样本的特征。
B、对于一些异常的样本,在聚类时可以单独处理,可能得到有用的异常模式。
C、对于任意形状分布的样本,基于密度的聚类算法可能得到有用的分组。
D、检验聚类算法的好坏只要看SSE(每个样本与聚类簇中心的距离的平方和)是否最小。
A、有监督学习是从有正确答案的样本集合中学习,即每个样本的分类标签(classification label)或者目标值(target value)已知
B、无监督学习的训练学习过程中也利用到了每个样本的分类标签(classification label)或者目标值(target value)
C、有监督学习中样本的ground truth指的是每个样本的真实分类标签(classification label)或者真实目标值(target value)
D、为了获得有监督学习中样本的真实分类标签(classification label)或者真实目标值(target value),某些情况下,可以采用人工专家标注的方法获得
A、聚类算法中,同一类别内部样本的相似度较低
B、自动编码器常应用于图像抗噪和数据降维
C、聚类算法中,不同类别之间样本不交叉
D、与有监督学习相比,无监督学习更接近人类学习的过程
A、强化学习与监督学习没有区别
B、强化学习认为,计算机单纯通过感知环境,与环境交互,并且从交互中获得评价反馈,就可以适应所处的环境
C、强化学习的整个过程形成一个“闭环”
D、与无监督学习相比,强化学习中环境所提供的“奖励”实际上就是监督信号
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!