第五章 机器学习：介绍机器学习的概念与方法5.1基本概念:讲述机器学习的基本概念[判断题]包括决策树算法在内的符号主义学习是机器学习在80年代的主流选项:[对, 错]
5.2决策树:介绍决策树的基本原理
5.3贝叶斯理论:介绍贝叶斯方法的基本原理
5.4聚类分析:介绍聚类分析的多种方法原理
5.5支持向量机:介绍支持向量机的基本原理
5.6知识图谱:介绍知识图谱的基本原理
5.1基本概念:讲述机器学习的基本概念
5.2决策树:介绍决策树的基本原理
5.3贝叶斯理论:介绍贝叶斯方法的基本原理
5.4聚类分析:介绍聚类分析的多种方法原理
5.5支持向量机:介绍支持向量机的基本原理
5.6知识图谱:介绍知识图谱的基本原理
[判断题]支持向量机作为统计学习的代表在90年代成为机器学习的主流算法，但支持向量的概念在60年代已经被提出来。选项:[对, 错]
[判断题]研究同一个顾客对两个不同商品的喜好关系，这是利用了机器学习的关联性。选项:[对, 错]
[判断题]决策树不是一种实现对样本进行分类的方法，而是对样本的未来数值进行预测的方法。选项:[对, 错]
[判断题]决策树学习中，ID3算法采用了自下向上的贪婪搜索方法来遍历决策树空间选项:[对, 错]
[判断题]决策树学习中，ID3算法的核心问题是在当前节点应该选取哪一个属性作为当前测试属性选项:[错, 对]
[判断题]昆兰（Ross Quinlan）提出的ID3算法是基于香农的信息论的一种算法。选项:[错, 对]
[判断题]熵(entropy)刻画了样本集合的纯度，熵的数值越大，样本集合纯度越高选项:[错, 对]
[判断题]信息增益表示，当样本集S用属性A做分类后，样本集的熵的变化程度。选项:[错, 对]
[判断题]对于事件的属性x和类别y，联合概率p(x,y)指的是该事件属性x和类别y同时发生的概率选项:[错, 对]
温馨提示支付 ￥1.00 元后可查看付费内容,请先翻页预览!
