50 Soalan Temu ramah Pembelajaran Mesin & Jawapan

Muat turun PDF

1) Apakah pembelajaran Mesin?

Pembelajaran mesin adalah cabang sains komputer yang berkaitan dengan pengaturcaraan sistem untuk belajar dan memperbaiki secara automatik dengan pengalaman. Contohnya: Robot diprogramkan sehingga mereka dapat melaksanakan tugas berdasarkan data yang mereka kumpulkan dari sensor. Ia secara automatik mempelajari program dari data.

2) Sebutkan perbezaan antara Perlombongan Data dan pembelajaran Mesin?

Pembelajaran mesin berkaitan dengan kajian, reka bentuk dan pengembangan algoritma yang memberi kemampuan komputer untuk belajar tanpa diprogram secara eksplisit. Sementara, perlombongan data dapat didefinisikan sebagai proses di mana data yang tidak tersusun cuba mengekstrak pengetahuan atau corak menarik yang tidak diketahui. Semasa mesin proses ini, algoritma pembelajaran digunakan.

3) Apa itu 'Overfitting' dalam pembelajaran Mesin?

Dalam pembelajaran mesin, apabila model statistik menerangkan ralat atau kebisingan rawak dan bukannya hubungan asas 'overfitting' berlaku. Apabila model terlalu kompleks, overfitting biasanya diperhatikan, kerana memiliki terlalu banyak parameter sehubungan dengan jumlah jenis data latihan. Model ini menunjukkan prestasi buruk yang terlalu berpakaian.

4) Mengapa overfitting berlaku?

Kemungkinan overfitting ada kerana kriteria yang digunakan untuk melatih model tidak sama dengan kriteria yang digunakan untuk menilai keberkesanan model.

5) Bagaimana anda boleh mengelakkan pemakaian berlebihan?

Dengan menggunakan banyak data, overfitting dapat dielakkan, overfitting berlaku secara relatif kerana anda mempunyai dataset yang kecil, dan anda cuba mempelajarinya. Tetapi jika anda mempunyai pangkalan data yang kecil dan anda terpaksa datang dengan model berdasarkan itu. Dalam keadaan seperti itu, anda boleh menggunakan teknik yang dikenali sebagai pengesahan silang . Dalam kaedah ini kumpulan data terbahagi kepada dua bahagian, set data ujian dan latihan, set data pengujian hanya akan menguji model sementara, dalam set data latihan, titik data akan muncul dengan model.

Dalam teknik ini, model biasanya diberikan set data dari data yang diketahui di mana latihan (set data latihan) dijalankan dan set data data yang tidak diketahui yang modelnya diuji. Idea pengesahan silang adalah menentukan satu set data untuk "menguji" model dalam fasa latihan.

6) Apakah pembelajaran mesin induktif?

Pembelajaran mesin induktif melibatkan proses pembelajaran dengan contoh, di mana sistem, dari sekumpulan kejadian yang diperhatikan cuba mendorong peraturan umum.

7) Apakah lima algoritma Pembelajaran Mesin yang popular?

Pokok Keputusan
Rangkaian Neural (penyebaran belakang)
Rangkaian probabilistik
Jiran terdekat
Mesin vektor sokongan

8) Apakah teknik Algoritma yang berbeza dalam Pembelajaran Mesin?

Jenis teknik yang berbeza dalam Pembelajaran Mesin adalah

Pembelajaran yang diselia
Pembelajaran Tanpa Pengawasan
Pembelajaran Separa Penyeliaan
Pembelajaran Pengukuhan
Transduksi
Belajar untuk belajar

9) Apakah tiga peringkat untuk membina hipotesis atau model dalam pembelajaran mesin?

Bangunan model
Ujian model
Mengaplikasikan model

10) Apakah pendekatan standard untuk pembelajaran yang diselia?

Pendekatan standard untuk pembelajaran yang diawasi adalah untuk membagi contoh contoh ke dalam set latihan dan ujian.

11) Apa itu 'Set latihan' dan 'Set ujian'?

Dalam pelbagai bidang sains maklumat seperti pembelajaran mesin, satu set data digunakan untuk mengetahui hubungan yang berpotensi diramal yang dikenali sebagai 'Set Latihan'. Set latihan adalah contoh yang diberikan kepada pelajar, sementara Set ujian digunakan untuk menguji ketepatan hipotesis yang dihasilkan oleh pelajar, dan ini adalah contoh yang ditahan daripada pelajar. Set latihan berbeza dengan set Ujian.

12) Senaraikan pelbagai pendekatan untuk pembelajaran mesin?

Pendekatan yang berbeza dalam Pembelajaran Mesin adalah

Pembelajaran Pengkelasan Konsep Vs
Pembelajaran Statistik Vs Simbolik
Pembelajaran Analitik Vs Induktif

13) Apa itu bukan Pembelajaran Mesin?

Kecerdasan Buatan
Inferens berdasarkan peraturan

14) Terangkan apa fungsi 'Pembelajaran Tanpa Pengawasan'?

Cari kumpulan data
Cari perwakilan dimensi rendah data
Cari petunjuk menarik dalam data
Koordinat dan korelasi yang menarik
Cari pemerhatian novel / pembersihan pangkalan data

15) Terangkan apakah fungsi 'Pembelajaran Terpantau'?

Pengelasan
Pengenalan suara
Regresi
Ramalkan siri masa
Senaraikan tali

16) Apakah pembelajaran mesin bebas algoritma?

Pembelajaran mesin di mana asas matematik tidak bergantung kepada pengkelasan atau algoritma pembelajaran tertentu yang disebut sebagai pembelajaran mesin bebas algoritma?

17) Apakah perbezaan antara pembelajaran buatan dan pembelajaran mesin?

Merancang dan mengembangkan algoritma mengikut tingkah laku berdasarkan data empirikal dikenali sebagai Pembelajaran Mesin. Walaupun kecerdasan buatan selain pembelajaran mesin, ia juga merangkumi aspek lain seperti perwakilan pengetahuan, pemprosesan bahasa semula jadi, perancangan, robotik dll.

18) Apakah pengelasan dalam pembelajaran mesin?

Pengelas dalam Pembelajaran Mesin adalah sistem yang memasukkan vektor nilai ciri diskrit atau berterusan dan menghasilkan nilai diskrit tunggal, kelas.

19) Apakah kelebihan Naive Bayes?

Di Naïve Bayes classifier akan berkumpul lebih cepat daripada model diskriminatif seperti regresi logistik, jadi anda memerlukan lebih sedikit data latihan. Kelebihan utamanya ialah tidak dapat mempelajari interaksi antara ciri.

20) Dalam bidang apa Pengecaman Pola digunakan?

Pengecaman Corak boleh digunakan dalam

Visi komputer
Pengenalan suara
Perlombongan Data
Statistik
Pengambilan Tidak Formal
Bio-Informatik

21) Apa itu Pengaturcaraan Genetik?

Pengaturcaraan genetik adalah salah satu daripada dua teknik yang digunakan dalam pembelajaran mesin. Model ini berdasarkan pengujian dan memilih pilihan terbaik di antara satu set hasil.

22) Apa itu Pengaturcaraan Logik Induktif dalam Pembelajaran Mesin?

Pemrograman Logik Induktif (ILP) adalah satu bidang pembelajaran mesin yang menggunakan pengaturcaraan logik yang mewakili pengetahuan dan contoh latar belakang.

23) Apakah Pemilihan Model dalam Pembelajaran Mesin?

Proses memilih model di antara model matematik yang berbeza, yang digunakan untuk menggambarkan set data yang sama dikenali sebagai Model Selection. Pemilihan model diterapkan pada bidang statistik, pembelajaran mesin dan perlombongan data.

24) Apakah dua kaedah yang digunakan untuk penentukuran dalam Pembelajaran diawasi?

Dua kaedah yang digunakan untuk meramalkan kebarangkalian yang baik dalam Pembelajaran yang Diawasi adalah

Penentukuran Platt
Regresi Isotonik

Kaedah-kaedah ini direka untuk klasifikasi binari, dan ini tidak remeh.

25) Kaedah mana yang sering digunakan untuk mencegah overfitting?

Apabila terdapat data yang mencukupi 'Regresi Isotonik' digunakan untuk mencegah masalah yang berlebihan.

26) Apakah perbezaan antara heuristik untuk pembelajaran peraturan dan heuristik untuk keputusan?

Perbezaannya adalah bahawa heuristik untuk pohon keputusan menilai kualiti rata-rata sejumlah set yang tidak teratur sementara pelajar peraturan hanya menilai kualiti set contoh yang diliputi dengan peraturan calon.

27) Apakah Perceptron dalam Pembelajaran Mesin?

Dalam Pembelajaran Mesin, Perceptron adalah algoritma untuk pengelasan input yang diselia ke dalam salah satu daripada beberapa kemungkinan hasil bukan binari.

28) Terangkan dua komponen program logik Bayesian?

Program logik Bayesian terdiri daripada dua komponen. Komponen pertama adalah yang logik; ia terdiri daripada sekumpulan Klausa Bayesian, yang menangkap struktur kualitatif domain. Komponen kedua adalah kuantitatif, ia menyandikan maklumat kuantitatif mengenai domain.

29) Apa itu Bayesian Networks (BN)?

Bayesian Network digunakan untuk mewakili model grafik untuk hubungan kebarangkalian di antara satu set pemboleh ubah.

30) Mengapa algoritma pembelajaran berasaskan contoh kadang-kadang disebut sebagai algoritma pembelajaran malas?

Algoritma pembelajaran berasaskan contoh juga disebut sebagai algoritma pembelajaran malas kerana mereka melambatkan proses induksi atau generalisasi sehingga klasifikasi dilakukan.

31) Apakah dua kaedah klasifikasi yang boleh dikendalikan oleh SVM (Support Vector Machine)?

Menggabungkan pengkelasan binari
Mengubah binari untuk menggabungkan pembelajaran berbilang kelas

32) Apa itu ensemble learning?

Untuk menyelesaikan program komputasi tertentu, pelbagai model seperti pengkelasan atau pakar dihasilkan secara strategik dan digabungkan. Proses ini dikenali sebagai ensemble learning.

33) Mengapa pembelajaran ensemble digunakan?

Pembelajaran ensemble digunakan untuk meningkatkan klasifikasi, ramalan, pendekatan fungsi dan lain-lain model.

34) Bilakah menggunakan pembelajaran ensemble?

Pembelajaran ensemble digunakan semasa anda membina pengkelasan komponen yang lebih tepat dan bebas antara satu sama lain.

35) Apakah dua paradigma kaedah ensemble?

Dua kaedah paradigma ensemble adalah

Kaedah ensembel berturutan
Kaedah ensemble selari

36) Apakah prinsip umum kaedah ensemble dan apa yang dimaksudkan dengan kaedah ensemble?

Prinsip umum kaedah ensemble adalah menggabungkan ramalan beberapa model yang dibina dengan algoritma pembelajaran tertentu untuk meningkatkan ketahanan terhadap satu model. Bagging adalah kaedah dalam ensemble untuk meningkatkan skim kestabilan atau anggaran yang tidak stabil. Sementara kaedah meningkatkan digunakan secara berurutan untuk mengurangkan bias model gabungan. Meningkatkan dan Mengemas kedua-duanya dapat mengurangkan kesalahan dengan mengurangkan istilah varians.

37) Apakah penguraian bias-varians kesalahan klasifikasi dalam kaedah ensemble?

Kesalahan yang diharapkan dari algoritma pembelajaran dapat diuraikan menjadi bias dan varians. Istilah bias mengukur seberapa dekat pengelasan rata-rata yang dihasilkan oleh algoritma pembelajaran sesuai dengan fungsi sasaran. Istilah varians mengukur berapa banyak ramalan algoritma pembelajaran berubah untuk set latihan yang berbeza.

38) Apakah algoritma Pembelajaran Tambahan dalam ensemble?

Kaedah pembelajaran tambahan adalah kemampuan algoritma untuk belajar dari data baru yang mungkin tersedia setelah pengklasifikasi telah dihasilkan dari set data yang sudah tersedia.

39) Untuk apa PCA, KPCA dan ICA digunakan?

PCA (Analisis Komponen Prinsipal), KPCA (Analisis Komponen Prinsipal berasaskan Kernel) dan ICA (Analisis Komponen Bebas) adalah teknik pengekstrakan ciri penting yang digunakan untuk pengurangan dimensi.

40) Apakah pengurangan dimensi dalam Pembelajaran Mesin?

Dalam Pembelajaran Mesin dan statistik, pengurangan dimensi adalah proses pengurangan bilangan pemboleh ubah rawak dalam pertimbangan dan dapat dibahagikan kepada pemilihan ciri dan pengekstrakan fitur.

41) Apakah mesin vektor sokongan?

Mesin vektor sokongan adalah algoritma pembelajaran yang diselia yang digunakan untuk pengkelasan dan analisis regresi.

42) Apakah komponen teknik penilaian hubungan?

Komponen penting teknik penilaian hubungan adalah

Perolehan data
Pemerolehan Kebenaran Tanah
Teknik Pengesahan Silang
Jenis Pertanyaan
Metrik Pemarkahan
Ujian Kepentingan

43) Apakah kaedah yang berbeza untuk Pembelajaran Berterusan Berurutan?

Kaedah yang berbeza untuk menyelesaikan masalah Pembelajaran Berurutan Berurutan adalah

Kaedah tingkap gelangsar
Tingkap gelangsar berulang
Model Markow tersembunyi
Model Markow entropi maksimum
Medan rawak bersyarat
Rangkaian pengubah grafik

44) Apakah bidang robotik dan pemprosesan maklumat di mana timbulnya masalah ramalan berurutan?

Kawasan dalam robotik dan pemprosesan maklumat di mana timbulnya masalah ramalan berurutan

Pembelajaran Tiruan
Ramalan berstruktur
Pembelajaran pengukuhan berasaskan model

45) Apa itu pembelajaran statistik kumpulan?

Teknik pembelajaran statistik membolehkan pembelajaran fungsi atau peramal dari sekumpulan data yang diperhatikan yang dapat membuat ramalan tentang data yang tidak dapat dilihat atau yang akan datang. Teknik-teknik ini memberikan jaminan prestasi prediktor yang dipelajari pada data masa depan yang tidak dapat dilihat berdasarkan andaian statistik pada proses penjanaan data.

46) Apakah Pembelajaran PAC?

Pembelajaran PAC (Mungkin Kira-kira Betul) adalah kerangka pembelajaran yang telah diperkenalkan untuk menganalisis algoritma pembelajaran dan kecekapan statistiknya.

47) Apakah kategori yang berbeza yang boleh anda kategorikan proses pembelajaran urutan?