()利用已知类别的样本,训练学习得到一个最优模型,使其达到所要求性能,再利用这个训练所得模型对未知数据进行分类。A.强化学习B.半监督学习C.无监督学习D.监督学习
()利用已知类别的样本,训练学习得到一个最优模型,使其达到所要求性能,再利用这个训练所得模型对未知数据进行分类。
A.强化学习
B.半监督学习
C.无监督学习
D.监督学习
参考答案和解析
监督学习
相关考题:
利用E-R模型进行数据库的概念设计,可以分成三步:首先设计局部E-R模型,然后把各个局部E-R模型综合成一个全局的模型,最后对全局E-R模型进行____,得到最终的E-R模型。A)简化 B)结构化 C)最小化 D)优化
我们建立一个5000个特征,100万数据的机器学习模型.我们怎么有效地应对这样的大数据训练()A.我们随机抽取一些样本,在这些少量样本之上训练B.我们可以试用在线机器学习算法C.我们应用PCA算法降维,减少特征数D.B和CE.A和BF.以上所有
以下说法正确的是()1.一个机器学习模型,如果有较高准确率,总是说明这个分类器是好的2.如果增加模型复杂度,那么模型的测试错误率总是会降低3.如果增加模型复杂度,那么模型的训练错误率总是会降低4.我们不可以使用聚类“类别id”作为一个新的特征项,然后再用监督学习分别进行学习A.1B.2C.3D.1and3
如果一个训练好的模型在测试集上有100%的准确率,这是不是意味着在一个新的数据集上,也会有同样好的表现()A.是的,这说明这个模型的范化能力已经足以支持新的数据集合了B.不对,依然后其他因素模型没有考虑到,比如噪音数据
决策树的生成过程是()。 A.递归地进行下去,直至所有训练据子集被基本正确分类,或者没有合适的特征为止,最后每个子集都被分到叶结点上,即都有了明确的类B.选择一个最优特征,按照这一特征将训练数据集分割成子集,使得各个子集有一个在当前条件下最好的分类C.构建根结点,将所有训练数据都放在根结点D.如果这些子集已经能够被基本正确分类,那么构建叶结点,并将这些子集分到所对应的叶结点中去E.如果还有子集不能被基本正确分类,那么就对这些子集选择新的最优特征,继续对其进行分割,构建相应的结点
考虑某个具体问题时,你可能只有少量数据来解决这个问题。不过幸运的是你有一个类似问题已经预先训练好的神经网络。可以用下面哪种方法来利用这个预先训练好的网络?( ) A.把除了最后一层外所有的层都冻住,重新训练最后一层B.对新数据重新训练整个模型C.只对最后几层进行调参(finetune)D.对每一层模型进行评估,选择其中的少数来用
在机器学习概念中,有监督学习、无监督学习和强化学习三大类典型方法。下列学习任务属于无监督学习的是( )。 A.根据样本数据,采用分类算法,训练分类器B.根据样本数据,进行回归分析C.将未知类别的一组数据,采用聚类方法,分成不同的组D.机器人在报考环境中,自主学习掌握行走方法
机器学习研究如何通过计算的手段,利用经验来改善系统自身的性能,请问机器学习利用数据训练出什么? (1.0分) [单选.] A. 模型 B. 表结构 C. 结果 D. 报表