[一起面试AI]NO.1机器学习简介

990 阅读2分钟

Q1 机器学习如何分类

按照任务类型可分为:

  • 回归模型:例如预测明天的股价。
  • 分类模型:将样本分为两类或者多类。
  • 结构化学习模型:输出的不是向量而是其他结构。

按照学习理论可分为:

  • 监督学习:学习的样本全部具有标签,训练网络得到一个最优模型。
  • 无监督学习:训练的样本全部无标签,例如聚类样本。
  • 半监督学习:训练样本部分有标签。
  • 强化学习:智能体与环境进行交互获得奖励来进行训练的一种模式,环境不会判断是否正确,而是会不断的反馈信号来评价智能体的行为。
  • 迁移学习:运用已经训练好的模型对新的样本进行学习,主要是解决问题中样本过少的问题。

Q2 什么是判别式和生成式模型

判别方法

由数据直接学习决策函数Y=f(X),或者由条件分布概率P(Y|X)作为预测模型为判别模型。

常见的判别模型有线性回归、boosting、SVM、决策树、感知机、线性判别分析(LDA)、逻辑斯蒂回归等算法。

生成方法

由数据学习x和y的联合概率密度分布函数P(Y,X),然后通过贝叶斯公式求出条件概率分布P(Y|X)作为预测的模型为生成模型。

常见的生成模型有朴素贝叶斯、隐马尔科夫模型、高斯混合模型、文档主题生成模型(LDA)等。

举例

判断一个动物是大象还是猫,记住大象是长鼻子就可以判别出哪个是大象,将大象和猫画出来与动物进行对比,那个像就是那个。


hi 认识一下?

微信关注公众号:全都是码农 (allmanong)
你将获得:
关于人工智能的所有面试问题一网打尽!未来还有思维导图哦!
回复121 立即获得 已整理好121本python学习电子书
回复89 立即获得 程序员史诗级必读书单吐血整理四个维度系列89本书。
回复167 立即获得 机器学习和python学习之路史上整理大数据技术书从入门到进阶最全本(66本)
回复18 立即获得 数据库从入门到进阶必读18本技术书籍网盘整理电子书(珍藏版)
回复56 立即获得 我整理的56本算法与数据结构
未来还有人工智能研究生课程笔记等等,我们一起进步呀!