人工智能期末——第七章机器学习考前预测

第七章

1.机器学习是什么？定义？

机器学习是如何使用计算机来模拟人类学习活动的一门学科，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，是人工智能的核心

2.机器学习中的几种学习任务？

分类：判断所给的水果是苹果还是桔子

回归：预测明后两天的气温值、风级大小

聚类：人以类聚、物以群分

关联规则挖掘：啤酒与尿布、牛奶与面包

3.分类的定义？

根据对某一事物的认识来判断之前未曾见过的新对象是否属于该类事物

4.K近邻分类算法的思想/基本步骤是什么（三步）？

1、计算新样例与训练集中每个样例之间的欧氏距离

2、将这些距离从小到大排序，找到与其最近的前K个样例

3、然后将这K个样例中最普遍的类别作为该样例的类别

5.除了KNN分类学习算法，还有哪些分类学习算法？

支持向量机、人工神经网络、决策树

6.聚类的定义

使用某种策略将一些对象分成若干个集合，使得同一集合内的对象比较相似、而属于不同集合的对象之间存在较大的差异

7.聚类的基本思想/计算步骤？

1、从初始样例集中随机选择K个样例作为K个簇中心

2、计算样例与每个簇中心的欧氏距离，然后将其放入与其最近的簇中心所对应的簇中

3、重新计算每个簇的簇中心

4、若本次计算的簇中心与上一次计算的相同，则结束聚类过程

8.机器学习的产生背景是什么？

学习是人类具有的一项重要智能行为，人类通过学习能够不断提高自己的技能，更好地适应和改造自然，甚至创造出新的概念和事物

9.分类问题的性能评价度量精度如何计算？

精度 = 被正确分类的测试样例数目 / 测试样例总数

10.精度是用来干什么的？

用于衡量生成的分类模型的分类性能

在测试样例集上的分类精度越高，说明分类模型对新样例的分类性能就越好