< > >
自动化和智能化的追求促进了技术进步，机器学习技术在各个领域发挥了巨大的作用。随着时间的推移，我们将看到随处可见的机器学习，从移动个人助理到电子商务网站。即使作为一个局外人，你也不能忽视机器学习对你生活的影响。
这个测试是为那些对机器学习有一定了解的人做的。考试结束后，学员对自己的机器学习知识有了更深刻的了解。
目前，共有1793名参与者参加了这项测试。专门为机器学习而设计的测试是具有挑战性的，我相信你们都准备好了，继续读下去。
那些没有参加考试的人，你错过了一个测试自己的好机会。但是你也可以阅读这篇文章，看看你是否能回答以下问题的答案，这样你就可以得到很多。
>总的结果为
以下是测试者分数分布的参与，这有助于你评估测试结果。
<图
湿度＞ >
温度＞ >
答：答：
信息增益随子集平均纯度的增加而增加。了解信息增益的计算， < class=“包外”href =“http://link.zhihu.com/？目标= HTTPS为3A／／www.analyticsvidhya网站/博客/ 2016 / 04 /完整教程树建模开始Python /目标=“_blank”rel=“nofollow”noreferrer noopener 这里> 阅读。你也可以查看 这张< 。
问题9：在决策树中，当一个节点分叉时，下面的“信息增益”是否正确？
越少的纯节点，需要更多的信息来描述人口。
信息增益偏向于属性< >的大值。
>
1。
2。
2和3
>“正确” >
答：c >
想了解详情，请阅读<< class=“包外“href =“http://link.zhihu.com/？目标= HTTPS为3A／／www.analyticsvidhya网站/博客/ 2016 / 04 /完整教程树建模开始Python /目标=“_blank”rel=“nofollow noreferrer noopener <类= > 和<类=“包外”href =“http://link.zhihu.com/？目标= HTTP为3A／／www.slideshare.net/marinasantini1/ lecture-4-decision-trees-2-entropy-information-gain-gain-ratio-55241087”目标=“_blank”rel=“nofollow”noreferrer noopener 幻灯片> 。
问题10：使用支持向量机模型遇到了一个欠拟合问题。下列哪种选项可以改进模型的性能？
A.添加惩罚参数“C” >
B.减少惩罚参数 >
C.核系数的降低（γ值）
答：答：
如果不合适，我们需要增加模型的复杂度。如果我们增加C，这意味着决策边界变得更复杂，所以A是正确的答案。
>问题11：
如果我们已经在SVM算法（核系数）中画出不同点的伽玛值。但由于某种原因，我们没有在可视化界面中显示它。在这种情况下，下列哪种选项最好地解释了三个图的伽玛值关系（从左到右分别是图1，图2，图3，相应的伽玛值是G1，G2，G3）。
<图
0%。
100%。
0～100%。
不存在以上< > >
答：b＜ >
在一个交叉验证中，我们选择n-1个视图作为训练集，并使用1个视图度量来验证。如果你把每个点作为交叉验证点并找到最近的点，你总是会得到相反的类别。因此错误率是100%。
>问题15：
当我们使用大型数据集来训练决策树时，可以使用哪种选项来减少培训时间？
<增加树的深度增加学习率 >
减少树的深度
>
2。
1和2。
3。
3和4。
e 2和3＜ >
f＞2, 3，4＜ >
答：c >
如果决策树的参数是固定的，我们可以考虑以下选项。
我越来越深
发表评论