Q1)Что такое машинное обучение?

Машинное обучение — это отрасль компьютерных наук, которая занимается системным программированием, чтобы автоматически учиться и совершенствоваться с опытом. Например: роботы запрограммированы так, что они могут выполнять задачу на основе данных, которые они собирают с датчиков. Он автоматически изучает программы из данных.

Q2) Назовите разницу между интеллектуальным анализом данных и машинным обучением?

Машинное обучение связано с изучением, проектированием и разработкой алгоритмов, которые дают компьютерам возможность обучаться без явного программирования. При этом интеллектуальный анализ данных можно определить как процесс, в котором неструктурированные данные пытаются извлечь знания или неизвестные интересные закономерности. Во время этого процесса используются алгоритмы обучения машины.

Вопрос 3. Различайте машинное обучение с учителем и без учителя.

  • В контролируемом машинном обучении машина обучается с использованием помеченных данных. Затем новый набор данных передается в модель обучения, чтобы алгоритм давал положительный результат путем анализа помеченных данных. Например, сначала нам нужно пометить данные, необходимые для обучения модели при выполнении классификации.
  • При неконтролируемом машинном обучении машина не обучается с использованием помеченных данных и позволяет алгоритмам принимать решения без каких-либо соответствующих выходных переменных.

Q4) Чем машинное обучение отличается от глубокого обучения?

  • Машинное обучение — это алгоритмы, которые используются для анализа данных, извлечения уроков из этих данных, а затем применения полученных знаний для принятия обоснованных решений.
  • Глубокое обучение — это часть машинного обучения, основанная на структуре человеческого мозга и особенно полезная при обнаружении признаков.

В5) Каковы пять популярных алгоритмов машинного обучения?

  • Деревья решений
  • Нейронные сети (обратное распространение)
  • Вероятностные сети
  • Ближайший сосед
  • Машины опорных векторов

Q6) Каковы различные методы алгоритмов в машинном обучении?

Различные типы методов машинного обучения:

  • Контролируемое обучение
  • Неконтролируемое обучение
  • Полуконтролируемое обучение
  • Обучение с подкреплением
  • Трансдукция

Q7) Что вы понимаете под техникой обучения с подкреплением?

Обучение с подкреплением — это метод алгоритма, используемый в машинном обучении. В нем участвует агент, который взаимодействует со своей средой, производя действия и обнаруживая ошибки или вознаграждения. Обучение с подкреплением используется различным программным обеспечением и машинами для поиска наиболее подходящего поведения или пути, которым оно должно следовать в конкретной ситуации. Обычно он учится на основе вознаграждения или штрафа за каждое действие, которое он выполняет.

В8) Что такое "обучающий набор" и "тестовый набор"?

В различных областях информатики, таких как машинное обучение, набор данных используется для обнаружения потенциально прогностической взаимосвязи, известной как «обучающий набор». Обучающий набор — это примеры, данные учащемуся, в то время как тестовый набор используется для проверки точности гипотез, сгенерированных учащимся, и это набор примеров, удерживаемых от учащегося. Набор для обучения отличается от набора для тестирования.

Q9)Что такое генетическое программирование?

Генетическое программирование — это один из двух методов, используемых в машинном обучении. Модель основана на тестировании и выборе наилучшего варианта среди набора результатов.

В10) В чем разница между эвристикой для изучения правил и эвристикой для деревьев решений?

Разница в том, что эвристика для деревьев решений оценивает среднее качество ряда непересекающихся наборов, в то время как изучающие правила оценивают только качество набора экземпляров, который охватывается правилом-кандидатом.

Q11) Что такое классификатор в машинном обучении?

Классификатор в машинном обучении — это система, которая вводит вектор дискретных или непрерывных значений признаков и выводит одно дискретное значение — класс.

Q12) Каковы преимущества наивного байесовского метода?

В наивном байесовском классификаторе сходимость происходит быстрее, чем в дискриминационных моделях, таких как логистическая регрессия, поэтому вам нужно меньше обучающих данных. Основное преимущество заключается в том, что он не может изучать взаимодействие между функциями.

Q13) Что такое выбор модели в машинном обучении?

Процесс выбора моделей среди различных математических моделей, которые используются для определения одних и тех же данных, известен как выбор модели. Обучение модели применяется в области статистики, интеллектуального анализа данных и машинного обучения.

Q14) Каковы три этапа построения гипотезы или модели в машинном обучении?

  • Построение модели: выбирает подходящий алгоритм для модели и обучает ее в соответствии с требованиями задачи.
  • Применение модели: отвечает за проверку точности модели с помощью тестовых данных.
  • Тестирование модели: внесение необходимых изменений после тестирования и применение окончательной модели.

Q15) Каковы распространенные способы обработки отсутствующих данных в наборе данных?

Отсутствие данных является одним из стандартных факторов при работе с данными и их обработке. Это считается одной из самых больших проблем, с которыми сталкиваются аналитики данных. Есть много способов, которыми можно заменить пропущенные значения. Некоторые из распространенных методов обработки отсутствующих данных в наборах данных могут быть определены как удаление строк, замена средним/медианным/модой, прогнозирование отсутствующих значений, присвоение уникальной категории, использование алгоритмов, поддерживающих отсутствующие значения, и т. д.

Q16) Что вы понимаете под ILP?

ILP расшифровывается как индуктивное логическое программирование. Это часть машинного обучения, использующая логическое программирование. Он направлен на поиск закономерностей в данных, которые можно использовать для построения прогностических моделей. В этом процессе логические программы принимаются в качестве гипотезы.

В17) Какие два метода используются для калибровки в контролируемом обучении?

  • Калибровка Платта
  • Изотоническая регрессия

Q18) Что такое персептрон в машинном обучении?

В машинном обучении Perceptron представляет собой контролируемый алгоритм обучения для двоичных классификаторов, где двоичный классификатор является решающей функцией того, представляет ли вход вектор или число.

Q19) Объясните два компонента байесовской логической программы?

Байесовская логическая программа состоит из двух компонентов. Первый компонент — логический; он состоит из набора байесовских положений, которые отражают качественную структуру предметной области. Второй компонент количественный, он кодирует количественную информацию о домене.

Q20)Что такое байесовские сети (BN)?

Байесовская сеть используется для представления графической модели вероятностных отношений между набором переменных.

Скоро появятся новые вопросы...

Оформить заказ AJ Blogs Programming для получения дополнительной информации, связанной с программированием.

Первоначально опубликовано на https://ajblogsprogramming.blogspot.com 17 января 2022 г.