首页
无监督式学习是通过从未标记的训练样本学习，归纳训练样本存在的潜在规律从而得出结论。
精华吧
→
答案
→
网课
无监督式学习是通过从未标记的训练样本学习，归纳训练样本存在的潜在规律从而得出结论。
正确答案：正确
Tag：
样本
归纳
标记
时间：2024-04-17 10:42:01
上一篇：
半监督学习是有监督和无监督学习相结合，训练数据包含有标记样本和无标记样本。
下一篇：
监督式学习是通过有标记的训练样本去学习得到一个最优模型，再对未知数据进行预测和分类。
相关答案
1.
强化学习是从以往经验中去不断学习来获取知识，不需要大量已标记的确定标签，只需要一个评价行为好坏的奖惩机制进行反馈。
2.
在英语课堂上学习新单词的时候，老师会给我们相应的对与否的反馈，这就是有监督学习。
3.
我们在家自学英语单词，只能自己看音节、听发音，自己找其中的规律，这就是无监督学习。
4.
分类是一种对离散型随机变量建模或预测的监督学习方法。
5.
聚类算法是要自己想办法把一批样本分开，分成多个类，保证每一个类中的样本之间是相似的，而不同类的样本之间是不同的。
6.
在有监督学习中，我们会在训练数据集上建立模型，之后会把这个模型用于之前从未见过的数据中，这个过程称为模型的泛化。
7.
如果模型过于简单，连训练数据集的特点都不能完全考虑到的话，那么这样的模型在训练数据集和测试数据集的得分都会非常差，这个时候我们说模型出现了欠拟合。
8.
scikit（）learn是一个文档丰富且易于使用的库，它使用简单的方法简化了机器学习算法的应用。
9.
scikit（）learn还用于执行数据预处理、特征选择、模型评估等操作。
10.
线性回归的任务是找到一个从特征空间X到输出空间Y的最优的线性映射函数。
热门答案
1.
根据商品房屋的所在城市、面积、地段和开发商等若干个特征数据进行预测房价，根据季度、维度、时间和地点等若干特征数据预测天气预报都属于回归问题。
2.
机器学习可以根据学习方式分为监督式学习和非监督式学习。
3.
监督式学习只需要有标记的训练样本去学习得到一个最优模型。
4.
非监督式学习就是从以往经验中去不断学习来获取知识，不需要大量已标记的确定标签。
5.
强化学习是通过反馈来自我进行“学习”，不需要大量已标记的确定标签。
6.
分类通过有标记样本训练出一个分类函数或分类模型，该模型能把训练样本以外的新样本映射到给定类别中的某一类中，属于有监督学习。
7.
回归是通过拟合有标记样本的分布得到一条直线或者超平面，从而对新样本进行预测，属于有监督学习。
8.
聚类是通过一定方法使得相似的样本划分为一个簇，不同簇的样本尽可能不相似，属于无监督学习。
9.
所有的聚类算法都属于有监督学习。
10.
特征工程是机器学习的关键步骤。