人工智能与机器学习期末考试复习资料精选

人工智能与机器学习大学期末考试复习资料-选择题/填空题部分 本资源摘要信息涵盖了人工智能与机器学习大学期末考试的选择题和填空题部分，涵盖了机器学习的经典定义、机器学习领域的主要研究方向、西瓜书中的西瓜数据集、机器学习模型、假设、学习过程、预测任务、泛化能力、监督学习、分类任务、回归任务、聚类任务等重要知识点。 机器学习的经典定义是利用经验改善系统自身的性能。机器学习领域的主要研究方向是智能数据分析。西瓜书中的西瓜数据集中，“好瓜、坏瓜”是一个西瓜样例的类别标记。对于要预测的新的数据样本，它的类别标记是未知的。机器学习的模型是从数据中产生的。 西瓜书中，训练数据中的“色泽”是一个属性。机器学习中的假设是学到的模型对应了关于数据的某种潜在的规律。学习过程就是为了找出数据的某种潜在规律，这个规律自身，一般称为“数据特征”。 对于机器学习预测任务， 一般地，预测任务是希望通过对训练集进行学习，建立一个从输入空间到输出空间的映射。对于二分类任务，一般令y={−1,+1}或{0,1}。对于回归问题，一般y=R。 学出来的模型适用于新样本的能力，称为泛化能力。该能力越强，说明学得的模型越能很好地适用于整个样本空间。 机器学习通常解决高度不确定性和复杂性的问题。分类和回归是监督学习的代表。机器学习不一定需要类别标记。 色泽”取值为“青绿”，这里的“青绿”是属性值。输出是离散值的学习任务为分类任务。模型找出的规律不一定是正确的。一般假设正类和反类是可交换的。 把见过的汽车分成若干组，这是一个聚类任务。完机器学习课，小明在50个数据集上用不同算法模型进行训练和测试，发现算法a的效果一直比算法b好，他认为在所有问题上算法a的效果都会比b好。这个结论是错误的。 为模型好的标准是泛化能力强、预测准确率高、训练速度快等。