Laadige alla PDF
1) Mis on masinõpe?
Masinõpe on arvutiteaduse haru, mis tegeleb süsteemi programmeerimisega, et kogemuste abil automaatselt õppida ja täiustada. Näiteks: Robotid on programmeeritud nii, et nad saaksid ülesannet täita anduritelt kogutud andmete põhjal. See õpib programme automaatselt andmetest.
2) Kas mainida erinevust andmekaevandamise ja masinõppe vahel?
Masinõpe on seotud algoritmide uurimise, kujundamise ja arendamisega, mis annavad arvutitele võimaluse õppida ilma selgesõnaliselt programmeerimata. Ehkki andmekaevandust saab määratleda kui protsessi, mille käigus struktureerimata andmed püüavad ammutada teadmisi või tundmatuid huvitavaid mustreid. Selle protsessimasina ajal kasutatakse õppimisalgoritme.
3) Mis on masinõppes 'overfitting'?
Masinõppes ilmneb, et kui statistiline mudel kirjeldab juhusliku vea või müra, selle aluseks oleva seose asemel toimub "ülereageerimine". Kui mudel on liiga keeruline, täheldatakse tavaliselt üleliigset paigaldamist, kuna sellel on liiga palju parameetreid treeningu andmetüüpide arvu suhtes. Mudelil on halb jõudlus, mis on olnud liiga varustatud.
4) Miks juhtub üle paigaldamine?
Ülepaigaldamise võimalus on olemas, kuna mudeli koolitamiseks kasutatud kriteeriumid ei ole samad kui mudeli tõhususe hindamiseks kasutatavad kriteeriumid.
5) Kuidas saate vältida üleliigset paigaldamist?
Paljude andmete kasutamisel saab vältida ülepaigaldamist, juhtudes, et teil on väike andmekogum, proovite sellest õppida. Aga kui teil on väike andmebaas ja olete sunnitud selle põhjal mudeli pakkuma. Sellises olukorras võite kasutada ristvalideerimise meetodit . Selles meetodis jaguneb andmekogum kaheks osaks, testimis- ja koolitusandmekogumiteks, testimisandmekogum testib ainult mudelit, samal ajal kui koolitusandmekogumis tulevad andmekohad mudeliga kokku.
Selles tehnikas antakse mudelile tavaliselt teadaolevate andmete andmekogum, mille kohta treeningut (treeningandmete kogumit) korraldatakse, ja tundmatute andmete andmekogum, mille alusel mudelit testitakse. Ristvalideerimise mõte on määratleda andmekogum mudeli koolitamise etapis “testimiseks”.
6) Mis on induktiivne masinõpe?
Induktiivne masinõpe hõlmab näidete abil õppimise protsessi, kus süsteem vaadeldud juhtumite hulgast püüab esile kutsuda üldreeglit.
7) Mis on viis populaarset masinõppe algoritmi?
- Otsustuspuud
- Närvivõrgud (tagasi levimine)
- Tõenäosuslikud võrgud
- Lähim naaber
- Toetage vektormasinaid
8) Millised on masinõppes erinevad algoritmitehnikad?
Masinõppe erinevad tehnikad on
- Juhendatud õppimine
- Järelevalveta õppimine
- Pooljuhendatud õppimine
- Tugevdusõpe
- Ülekanne
- Õppima õppima
9) Mis on kolm etappi masinõppes hüpoteeside või mudeli loomiseks?
- Näidishoone
- Mudeli testimine
- Mudeli rakendamine
10) Milline on juhendatud õppe standardne lähenemisviis?
Juhendatud õppe standardne lähenemisviis on näitejaotuse jagamine koolituskomplektiks ja testiks.
11) Mis on treeningukomplekt ja testikomplekt?
Infoteaduse erinevates valdkondades, nagu masinõpe, kasutatakse andmekogumit potentsiaalselt ennustava seose avastamiseks, mida nimetatakse koolituskomplektiks. Koolituskomplekt on õppijale toodud näited, testkomplekti kasutatakse õppija tekitatud hüpoteeside täpsuse testimiseks ning see on õppija poolt tagasi hoitud näidistik. Treeningukomplekt erineb testikomplektist.
12) Loetlege erinevaid lähenemisviise masinõppeks?
Masinõppe erinevad lähenemised on
- Mõiste Vs klassifikatsioon õppimine
- Sümboolne Vs statistiline õppimine
- Induktiivne Vs analüütiline õppimine
13) Mis pole masinõpe?
- Tehisintellekt
- Reeglipõhine järeldus
14) Selgitage, mis on „järelevalveta õppimise” funktsioon?
- Leidke andmete klastrid
- Leidke andmete madalamõõtmelised esitused
- Andmetest leiate huvitavaid juhiseid
- Huvitavad koordinaadid ja korrelatsioonid
- Leidke uudsed vaatlused / andmebaasi puhastamine
15) Selgitage, mis on juhendatud õppimise funktsioon?
- Liigitused
- Kõnetuvastus
- Taandareng
- Ennusta aegridu
- Märkida stringid
16) Mis on algoritmidest sõltumatu masinõpe?
Masinaõpet, kus matemaatilised alused ei sõltu ühestki konkreetsest klassifikaatorist, või õppimisalgoritmi nimetatakse algoritmidest sõltumatuks masinõppeks?
17) Mis vahe on kunstlikul ja masinõppel?
Algoritmide kujundamine ja arendamine vastavalt empiirilistel andmetel põhinevatele käitumistele on tuntud kui masinõpe. Tehisintellekt hõlmab lisaks masinõppele ka muid aspekte, nagu teadmiste esitamine, loomuliku keele töötlemine, planeerimine, robootika jne.
18) Mis on masinaõppes klassifikaator?
Masinaõppe klassifikaator on süsteem, mis sisestab diskreetsete või pidevate tunnusväärtuste vektori ja väljastab ühe diskreetse väärtuse, klassi.
19) Mis on Naive Bayesi eelised?
Naivi Bayesi klassifikaator läheneb kiiremini kui diskrimineerivad mudelid, näiteks logistiline regressioon, nii et vajate vähem treeningandmeid. Peamine eelis on see, et see ei saa õppida funktsioonide vastastikust mõju.
20) Millistes piirkondades kasutatakse mustrituvastust?
Mustrituvastust saab kasutada
- Arvutinägemine
- Kõnetuvastus
- Andmete kaevandamine
- Statistika
- Mitteametlik väljavõtmine
- Bioinformaatika
21) Mis on geneetiline programmeerimine?
Geneetiline programmeerimine on üks kahest masinõppes kasutatavast tehnikast. Mudel põhineb testimisel ja tulemuste hulgast parima valiku valimisel.
22) Mis on masinõppes induktiivne loogika programmeerimine?
Induktiivse loogika programmeerimine (ILP) on masinõppe alaväli, mis kasutab taustteadmisi ja näiteid esindavat loogilist programmeerimist.
23) Mis on mudeli valik masinõppes?
Mudelite valimine erinevate matemaatiliste mudelite seas, mida kasutatakse sama andmekogumi kirjeldamiseks, on tuntud kui mudeli valik. Mudeli valikut rakendatakse statistika, masinõppe ja andmekaevanduse valdkondades.
24) Milliseid kahte meetodit kasutatakse juhendatud õppes kalibreerimisel?
Juhendatud õppes hea tõenäosuse ennustamiseks kasutatakse kahte meetodit
- Plaadi kalibreerimine
- Isotooniline regressioon
Need meetodid on mõeldud binaarseks klassifitseerimiseks ja see pole triviaalne.
25) Millist meetodit kasutatakse sageli ülepaisutamise vältimiseks?
Kui andmeid on piisavalt, kasutatakse ülekaaluliste probleemide vältimiseks 'isotoonilist regressiooni'.
26) Mis vahe on reeglite õppimise heuristikal ja otsustuspuude heuristikal?
Erinevus seisneb selles, et otsustuspuude heuristikas hinnatakse mitmete eraldatud komplektide keskmist kvaliteeti, samal ajal kui reegli õppijad hindavad ainult eksemplaride komplekti kvaliteeti, mis on hõlmatud kandidaadireegliga.
27) Mis on Perceptron masinõppes?
Masinõppes on Perceptron algoritm sisendi kontrollitud klassifitseerimiseks ühte mitmest võimalikust mittebinaarsest väljundist.
28) Selgitage Bayesi loogikaprogrammi kahte komponenti?
Bayesi loogikaprogramm koosneb kahest komponendist. Esimene komponent on loogiline; see koosneb Bayesi klauslite kogumist, mis haarab domeeni kvalitatiivse struktuuri. Teine komponent on kvantitatiivne, see kodeerib domeeni kvantitatiivset teavet.
29) Mis on Bayesi võrgud (BN)?
Bayesi võrku kasutatakse muutujate hulga tõenäosussuhte graafilise mudeli esitamiseks.
30) Miks eksemplaripõhist õppimisalgoritmi nimetatakse mõnikord Lazy õppe algoritmiks?
Eksemplaripõhist õppimisalgoritmi nimetatakse ka Lazy õppimisalgoritmiks, kuna need viivitavad induktsiooni- või üldistusprotsessi kuni klassifitseerimiseni.
31) Millised on kaks liigitusmeetodit, millega SVM (Support Vector Machine) hakkama saab?
- Binaarsete klassifikaatorite ühendamine
- Binaarse modifitseerimine mitmeklassilise õppe lisamiseks
32) Mis on ansambliõpe?
Konkreetse arvutusprogrammi lahendamiseks genereeritakse ja kombineeritakse mitu mudelit, näiteks klassifikaatorid või eksperdid. Seda protsessi nimetatakse ansambliõppeks.
33) Miks kasutatakse ansambliõpet?
Ansambliõpet kasutatakse mudeli klassifitseerimise, ennustamise, funktsioonide lähendamise jms parandamiseks.
34) Millal kasutada ansambliõpet?
Ansamblite õppimist kasutatakse siis, kui koostate täpsemad ja üksteisest sõltumatud komponentide klassifikaatorid.
35) Mis on ansamblimeetodite kaks paradigmat?
Ansamblimeetodite kaks paradigmat on
- Järjestikused ansamblimeetodid
- Paralleelse ansambli meetodid
36) Mis on ansamblimeetodi üldpõhimõte ja mis on ansamblimeetodi pakkimine ja suurendamine?
Ansamblimeetodi üldpõhimõte on kombineerida antud õppimisalgoritmiga ehitatud mitme mudeli ennustused, et parandada robustsust ühe mudeli suhtes. Kottimine on meetod ebastabiilsete hindamis- või klassifitseerimisskeemide parandamiseks koos. Kombineeritud mudeli kallutatuse vähendamiseks kasutatakse järjestikku suurendamise meetodit. Mõlemad võimendused ja kottide tegemine võivad dispersiooniaja vähendamise abil vigu vähendada.
37) Mis on ansamblimeetodi klassifikatsioonivea eelarvamuste hajumine?
Õppimisalgoritmi eeldatava vea saab lahutada kallutatuks ja dispersiooniks. Kallutermine mõõdab seda, kui täpselt õpialgoritmi poolt toodetud keskmine klassifikaator sobib sihtfunktsiooniga. Dispersioonitermin mõõdab, kui palju kõigub õppealgoritmi prognoos erinevate treeningukomplektide puhul.
38) Mis on inkrementaalse õppimise algoritm ansamblis?
Inkrementaalne õppemeetod on algoritmi võime õppida uutest andmetest, mis võivad olla saadaval pärast seda, kui klassifikaator on juba loodud olemasolevast andmekogumist.
39) Milleks kasutatakse PCA-d, KPCA-d ja ICA-d?
PCA (põhikomponentide analüüs), KPCA (tuumapõhine põhikomponentide analüüs) ja ICA (sõltumatu komponentide analüüs) on olulised tunnuste ekstraheerimise tehnikad, mida kasutatakse mõõtmete vähendamiseks.
40) Mis on dimensiooni vähendamine masinõppes?
Masinõppes ja statistikas on dimensiooni vähendamine juhuslike muutujate arvu vähendamise protsess, mida saab kaaluda ja mille võib jagada funktsioonide valikuks ja funktsioonide väljavõtmiseks.
41) Mis on tugivektorimasinad?
Tugivektorimasinad on juhendatud õppealgoritmid, mida kasutatakse klassifikatsioonis ja regressioonanalüüsis.
42) Millised on suhtelise hindamise tehnikate komponendid?
Relatsioonide hindamise tehnikate olulised komponendid on
- Andmete hankimine
- Maapealse tõe omandamine
- Ristvalideerimise tehnika
- Päringu tüüp
- Hindamismõõdik
- Tähtsuse test
43) Millised on järjestikuse juhendatud õppe erinevad meetodid?
Järjestikuse juhendatud õppe probleemide lahendamiseks on erinevad meetodid
- Lükandakna meetodid
- Korduvad lükandaknad
- Varjatud Markow mudelid
- Maksimaalne entroopia Markow mudelid
- Tingimuslikud juhuslikud väljad
- Graafitrafo võrgud
44) Millised on robootika ja infotöötluse valdkonnad, kus järjestikune ennustusprobleem tekib?
Robootika ja infotöötluse valdkonnad, kus järjestikune ennustusprobleem tekib, on
- Õppimise jäljendamine
- Struktureeritud ennustus
- Mudelipõhine tugevdamise õppimine
45) Mis on partiiline statistiline õppimine?
Statistilised õppemeetodid võimaldavad õppida funktsiooni või ennustajat vaadeldud andmete hulgast, mis võib ennustada nägemata või tulevasi andmeid. Need meetodid annavad garantii õpitud ennustaja toimimise kohta tulevaste nähtamatute andmete põhjal, tuginedes andmete loomise protsessi statistilisele eeldusele.
46) Mis on PAC-õpe?
PAC (Tõenäoliselt Ligikaudu Õige) on õppimisraamistik, mis on kasutusele võetud õpialgoritmide ja nende statistilise efektiivsuse analüüsimiseks.
47) Millised on erinevad kategooriad, mida saate järjestuse õppeprotsessi kategoriseerida?
- Järjestuse ennustamine
- Järjestuse genereerimine
- Järjestuse tuvastamine
- Järjestikune otsus
48) Mis on järjestusõpe?
Järjestusõpe on meetod loogilisel viisil õpetamiseks ja õppimiseks.
49) Mis on masinõppe kaks tehnikat?
Masinõppe kaks tehnikat on
- Geneetiline programmeerimine
- Induktiivne õppimine
Suuremate poodide veebisaitide juurutatud soovitusmootor kasutab masinõpet.