PDF letöltése
1) Mi a gépi tanulás?
A gépi tanulás a számítástechnika egyik ága, amely a rendszer programozásával foglalkozik annak érdekében, hogy automatikusan megtanulja és javítsa a tapasztalatokat. Például: A robotokat úgy programozzák be, hogy azok a szenzorokból gyűjtött adatok alapján végezhessék el a feladatot. Automatikusan megtanulja a programokat az adatokból.
2) Megemlíti a különbséget az adatbányászat és a gépi tanulás között?
A gépi tanulás olyan algoritmusok tanulmányozásához, tervezéséhez és fejlesztéséhez kapcsolódik, amelyek képesek a számítógépeket tanulni anélkül, hogy kifejezetten programoznák őket. Míg az adatbányászat úgy határozható meg, mint az a folyamat, amelyben a strukturálatlan adatok megpróbálnak kibontani ismereteket vagy ismeretlen érdekes mintákat. A folyamatgép során tanulási algoritmusokat használnak.
3) Mi a „túlterhelés” a gépi tanulásban?
A gépi tanulás során, amikor egy statisztikai modell véletlenszerű hibát vagy zajt ír le az alapul szolgáló kapcsolat helyett, „túlillesztés” történik. Ha egy modell túlságosan bonyolult, akkor általában túlillesztés figyelhető meg, mivel túl sok paraméter van az edzés adattípusainak számához képest. A modell gyenge teljesítményt mutat, ami túlterhelt.
4) Miért történik a túlillesztés?
A túlillesztés lehetősége fennáll, mivel a modell képzéséhez használt kritériumok nem azonosak a modell hatékonyságának megítéléséhez használt kritériumokkal.
5) Hogyan lehet elkerülni a túlterhelést?
Sok adat felhasználásával elkerülhető a túlillesztés, a túlillesztés viszonylag kisszámú adatkészlettel rendelkezik, és megpróbál tanulni belőle. De ha van egy kicsi adatbázisa, és kénytelen van egy modell alapján jönni. Ilyen helyzetben használhat keresztellenőrzésnek nevezett technikát . Ebben a módszerben az adatkészlet két szakaszra oszlik, tesztelési és oktatási adatkészletekre, a tesztelő adatkészlet csak a modellt teszteli, míg a képzési adatkészletben az adatpontok előállnak a modellel.
Ebben a technikában egy modell általában kap egy ismert adatkészletet, amelyre az edzést (edzés adatkészletet) futtatják, és ismeretlen adatokból álló adatsort, amely alapján a modellt tesztelik. A keresztellenőrzés ötlete egy adatkészlet meghatározása a modell „teszteléséhez” a képzési szakaszban.
6) Mi az induktív gépi tanulás?
Az induktív gépi tanulás magában foglalja a példákon alapuló tanulás folyamatát, amikor egy rendszer a megfigyelt példányok halmazából általános szabályt próbál kiváltani.
7) Mi a gépi tanulás öt népszerű algoritmusa?
- Döntési fák
- Ideghálózatok (hátsó terjedés)
- Valószínűségi hálózatok
- Legközelebbi szomszéd
- Támogatja a vektoros gépeket
8) Melyek a különböző algoritmustechnikák a gépi tanulásban?
A gépi tanulás technikáinak különféle típusai:
- Felügyelt tanulás
- Felügyelet nélküli tanulás
- Félig felügyelt tanulás
- Megerősítő tanulás
- Transzdukció
- Megtanulni tanulni
9) Melyik a gépi tanulás hipotéziseinek vagy modelljének felépítésének három szakasza?
- Modellépület
- Modell tesztelése
- A modell alkalmazása
10) Mi a felügyelt tanulás szokásos megközelítése?
A felügyelt tanulás szokásos megközelítése az, hogy a példaképet fel kell osztani a képzési készletre és a tesztre.
11) Mi az „edzéskészlet” és „tesztkészlet”?
Az informatika különböző területein, például a gépi tanulás során, egy adatsort használnak a potenciálisan prediktív kapcsolat felfedezésére, amelyet „Training Set” néven ismerünk. A képzési halmaz a tanulóknak adott példa, míg a tesztkészlet a tanuló által generált hipotézisek pontosságának tesztelésére szolgál, és ez a tanulótól visszatartott példa. Az edzéskészlet különbözik a tesztkészlettől.
12) Sorolja fel a gépi tanulás különböző megközelítéseit?
A gépi tanulás különböző megközelítései:
- Koncepció Vs Osztályozás Tanulás
- Szimbolikus Vs Statisztikai Tanulás
- Induktív Vs elemző tanulás
13) Mi nem a gépi tanulás?
- Mesterséges intelligencia
- Szabályalapú következtetés
14) Magyarázza el, hogy mi a „felügyelet nélküli tanulás” funkciója?
- Keresse meg az adatok klasztereit
- Keresse meg az adatok alacsony dimenziójú reprezentációit
- Érdekes útmutatásokat találhat az adatokban
- Érdekes koordináták és összefüggések
- Keressen új megfigyeléseket / adatbázis-tisztításokat
15) Magyarázza el, hogy mi a „felügyelt tanulás” funkciója?
- Besorolások
- Beszédfelismerés
- Regresszió
- Megjósolni az idősorokat
- Megjegyzés: húrok
16) Mi az algoritmusfüggetlen gépi tanulás?
A gépi tanulást, ahol a matematikai alapok függetlenek egy adott osztályozótól vagy tanulási algoritmustól, algoritmus-független gépi tanulásnak nevezünk
17) Mi a különbség a mesterséges tanulás és a gépi tanulás között?
Az empirikus adatokon alapuló viselkedésmódok szerinti algoritmusok tervezése és fejlesztése Machine Learning néven ismert. Míg a mesterséges intelligencia a gépi tanulás mellett más szempontokat is lefed, mint például az ismeretek ábrázolása, a természetes nyelv feldolgozása, a tervezés, a robotika stb.
18) Mi az osztályozó a gépi tanulásban?
A gépi tanulás osztályozója olyan rendszer, amely diszkrét vagy folytonos jellemző értékek vektorát adja meg, és egyetlen diszkrét értéket, az osztályt ad ki.
19) Milyen előnyei vannak a Naive Bayes-nek?
Naiv Bayes-ben az osztályozó gyorsabban konvergál, mint a diszkriminatív modellek, például a logisztikai regresszió, így kevesebb edzési adatra van szüksége. A fő előny, hogy nem képes megtanulni a funkciók közötti kölcsönhatásokat.
20) Milyen területeken alkalmazzák a mintafelismerést?
A mintafelismerés használható
- Számítógépes látás
- Beszédfelismerés
- Adatbányászat
- Statisztika
- Informális visszakeresés
- Bioinformatika
21) Mi a genetikai programozás?
A genetikai programozás a gépi tanulás során alkalmazott két technika egyike. A modell a tesztelésen alapul, és a legjobb választást választja ki az eredmények sora közül.
22) Mi az induktív logikai programozás a gépi tanulásban?
Az induktív logikai programozás (ILP) a gépi tanulás olyan részterülete, amely a háttérismereteket és példákat képviselő logikai programozást használja.
23) Mi a modellválasztás a gépi tanulásban?
A különböző matematikai modellek közötti modellek kiválasztásának folyamata, amelyeket ugyanazon adatkészlet leírására használnak, Model Selection néven ismert. A modellválasztást a statisztika, a gépi tanulás és az adatbányászat területén alkalmazzák.
24) Melyik a felügyelt tanulás kalibrálásához használt két módszer?
A felügyelt tanulás jó valószínűségének előrejelzésére használt két módszer az
- Platt kalibrálás
- Izotóniás regresszió
Ezeket a módszereket bináris osztályozásra tervezték, és ez nem triviális.
25) Melyik módszert használják gyakran a túlillesztés megakadályozására?
Ha elegendő adat áll rendelkezésre, akkor az „izotóniás regressziót” használják a túlillesztés megelőzésére.
26) Mi a különbség a szabálytanulás heurisztikája és a döntési fák heurisztikája között?
A különbség az, hogy a döntési fák heurisztikája számos szétválasztott halmaz átlagminőségét értékeli, míg a szabályt tanulók csak a példányhalmaz minőségét értékelik, amelyet a jelölt szabály lefed.
27) Mi a Perceptron a gépi tanulásban?
A gépi tanulásban a Perceptron egy algoritmus a bemenet felügyelt osztályozására a lehetséges nem bináris kimenetek egyikébe.
28) Magyarázza el a Bayes-féle logikai program két összetevõjét?
A Bayes-féle logikai program két komponensből áll. Az első komponens logikus; Bayes-tagmondatokból áll, amelyek megragadják a tartomány minőségi szerkezetét. A második komponens kvantitatív, és kódolja a domén kvantitatív adatait.
29) Mik azok a Bayes-hálózatok (BN)?
A Bayesian Network-t használják a valószínűségi viszony grafikus modelljének ábrázolására a változók halmaza között.
30) Miért nevezik a példányalapú tanulási algoritmust néha Lazy tanulási algoritmusnak?
A példányalapú tanulási algoritmust Lazy tanulási algoritmusnak is nevezik, mivel késleltetik az indukciós vagy általánosítási folyamatot a besorolás elvégzéséig.
31) Mi az a két osztályozási módszer, amelyet az SVM (Support Vector Machine) képes kezelni?
- Bináris osztályozók kombinálása
- Bináris módosítás a többosztályos tanulás beépítéséhez
32) Mi az együttes tanulás?
Egy adott számítási program megoldásához stratégiai szempontból több modellt, például osztályozókat vagy szakértőket generálnak és kombinálnak. Ez a folyamat együttes tanulás néven ismert.
33) Miért használják az együttes tanulást?
Az együttes tanulást a modell besorolásának, előrejelzésének, függvényközelítésének stb. Javítására használják.
34) Mikor kell használni az együttes tanulást?
Az együttes tanulást akkor használják, ha pontosabb és egymástól független alkatrészosztályozókat építenek.
35) Mi az együttes módszerek két paradigmája?
Az együttes módszerek két paradigmája
- Szekvenciális együttes módszerek
- Párhuzamos együttes módszerek
36) Mi az együttes módszer általános elve, és mi a zsákolás és a fellendülés az együttes módszerben?
Az együttes módszer általános elve az, hogy egy adott tanulási algoritmussal felépített több modell előrejelzését egyesíti annak érdekében, hogy az egyetlen modellen keresztül javítsa a robusztust. A zsákolás együttes módszer az instabil becslési vagy osztályozási sémák javítására. Míg a boosting módszert egymás után alkalmazzák a kombinált modell torzításának csökkentésére. A megnövelés és a táskázás egyaránt csökkentheti a hibákat azáltal, hogy csökkenti a szórási időt.
37) Mi az osztályozási hiba torzítás-variancia bontása az együttes módszerben?
A tanulási algoritmus várható hibája torzításra és varianciára bontható. Egy elfogult kifejezés azt méri, hogy a tanulási algoritmus által előállított átlagos osztályozó mennyire felel meg pontosan a célfüggvénynek. A variancia kifejezés azt méri, hogy a tanulási algoritmus előrejelzése mennyire ingadozik a különböző képzési halmazok esetében.
38) Mi az inkrementális tanulási algoritmus együttesen?
Az inkrementális tanulási módszer az algoritmus azon képessége, hogy tanuljon olyan új adatokból, amelyek rendelkezésre állnak, miután az osztályozót már létrehozták a már elérhető adatkészletből.
39) Mire használják a PCA-t, a KPCA-t és az ICA-t?
A PCA (Principal Components Analysis), a KPCA (Kernel-alapú Principal Component Analysis) és az ICA (Independent Component Analysis) fontos jellemzőkivonási technikák, amelyeket a dimenzió csökkentésére használnak.
40) Mi a dimenziócsökkentés a gépi tanulásban?
A gépi tanulásban és a statisztikákban a dimenziócsökkentés a véletlen változók számának csökkentésének folyamata, amelyet figyelembe lehet venni, és felosztható jellemzők kiválasztására és jellemzőkivonásra.
41) Mik azok a támogató vektor gépek?
A támogató vektorgépek felügyelt tanulási algoritmusok, amelyeket osztályozáshoz és regresszióanalízishez használnak.
42) Melyek a relációs értékelési technikák összetevői?
A relációs értékelési technikák fontos elemei a következők
- Adatgyűjtés
- Földi igazság megszerzése
- Keresztellenőrzési technika
- Lekérdezés típusa
- Pontozás mutató
- Jelentőségi teszt
43) Melyek a szekvenciális felügyelt tanulás különböző módszerei?
A szekvenciális felügyelt tanulási problémák megoldásának különböző módszerei a következők
- Tolóablakos módszerek
- Ismétlődő csúszó ablakok
- Rejtett Markow modellek
- Maximális entrópia Markow modellek
- Feltételes véletlenszerű mezők
- Grafikon transzformátor hálózatok
44) Melyek azok a területek a robotikában és az információfeldolgozásban, ahol szekvenciális előrejelzési probléma merül fel?
A robotika és az információfeldolgozás azon területei, ahol szekvenciális előrejelzési probléma merül fel
- Tanulás utánzás
- Strukturált jóslat
- Modell alapú megerősítő tanulás
45) Mi a kötegelt statisztikai tanulás?
A statisztikai tanulási technikák lehetővé teszik egy olyan funkció vagy prediktor megtanulását a megfigyelt adatok halmazából, amelyek előrejelzéseket tehetnek a láthatatlan vagy a jövőbeni adatokról. Ezek a technikák garantálják a megtanult prediktor teljesítményét a jövőben nem látott adatokra vonatkozóan, az adatgeneráló folyamat statisztikai feltételezése alapján.
46) Mi a PAC tanulás?
A PAC (valószínűleg megközelítőleg helyes) tanulás olyan tanulási keret, amelyet bevezettek a tanulási algoritmusok és statisztikai hatékonyságuk elemzésére.
47) Mely kategóriákba sorolhatja a szekvencia tanulási folyamatot?
- Szekvencia előrejelzés
- Szekvenciagenerálás
- Szekvenciafelismerés
- Szekvenciális döntés
48) Mi a szekvencia tanulás?
A szekvencia tanulás a logikus tanítás és tanulás módszere.
49) Mi a gépi tanulás két technikája?
A gépi tanulás két technikája:
- Genetikai programozás
- Induktív tanulás
A nagy e-kereskedelmi webhelyek által végrehajtott ajánlásmotor a Gépi tanulást használja.