Вопросы с выбором ответа по машинному обучению (MCQs)
Вопросы с выбором ответа по машинному обучению (MCQs)
MCQSS.com предлагает бесплатные вопросы с выбором ответа по машинному обучению, охватывающие различные темы. Наш интерактивный формат позволяет мгновенно узнать, правильно ли вы ответили на вопросы. Исследуйте нашу коллекцию вопросов с выбором ответа и проверьте свои знания по машинному обучению уже сейчас! Нет необходимости покупать членство или регистрироваться, вы можете использовать наш сайт бесплатно. Не упустите возможность улучшить свои навыки и подготовиться к экзаменам с MCQSS.com.
1: Какое из следующих утверждений является/является правильным относительно искусственной нейронной сети (ANN)?
A. Поведение ANN зависит от весов, которые указаны для единиц.
B. Поведение ANN зависит от трансферной функции, которая указана для единиц.
C. Только (не правильно.
D. Только (ii) верно.
E. Оба (i) и (ii) верны.
F. Ни (i), ни (ii) не верны
2: Какое из следующих утверждений является/ является правильным в отношении Wawpal Wabbit?
A. Это не позволяет использовать нелинейные функции.
B. Его можно использовать в качестве опции машинного обучения в Microsoft Azure.
C. Оба варианта A и B
D. Ни вариант 8, ни б
3: Какие из следующих возможностей обладают экспертными системами?
A. Заменив человека, принимающих решения.
B. Прогнозирование результатов.
C. Уточнение их собственных знаний
D. Обладает человеческими возможностями.
4: Что из следующего неверно в области машинного обучения?
A. Это не требует человеческого эксперта или программиста.
B. Это дешево и неплохо.
C. Это не требует помеченных данных.
D. Он используется в распознавании схемы.
5: Моделирование подходит в каком из следующих условий?
A. Если стоимость превышает экономию.
B. Если план визуализируется с анимированным симуляцией.
C. Если ресурс/время недоступно.
D. Если поведение системы очень сложное.
6: Что из следующего является инструментом машинного обучения с интерфейсом прикладного программирования для C?
A. Deeplearning4j
B. Libsvm
C. Waffles
D. Голеарн
7: Проверка использует метод тестирования серого ящика.
A. Истинный
B. ЛОЖЬ
8: По отношению к классификации машинного обучения, какой из следующих вариантов является правильным способом определения отзыва?
A. Истинный положительный/ (истинный положительный + ложный отрицательный)
B. Истинный положительный/ (ложный положительный + ложный отрицательный)
C. Истинный положительный/ (истинный положительный + ложный положительный)
D. Истинный положительный/ (истинный отрицательный + ложный отрицательный)
9: Какой из следующих типов данных может обрабатывать алгоритм дерева решений, используемый для классификации?
A. Числовые данные
B. Категориальные данные
C. Как числовые, так и категориальные данные
10: Какие из следующих инструментов моделирования полагаются на подход к потоку транзакций к системам моделирования?
A. Гибридный симулятор
B. Непрерывный симулятор
C. Дискретный симулятор событий
D. Агент-симулятор
11: Какова точность алгоритма классификации логистической регрессии?
A. 80,11%
B. 82,53%
C. 84,60%
D. 86,27%
12: Что из перечисленного является/ является большим маржским классификатором (ов)?
A. SVM
B. Повышение
C. И SVM, и повышение
13: Что касается языка запросов данных, то какое из следующего является синтаксисом для характеристики?
A. Характеристики шахты [как [pattern_name)]
B. {Сопоставление {metApattern}}
C. Характеристики шахты [как pattern_name]
D. Анализ классификации_аттрийт_ор_dimension
E. O Характеристики шахты [как pattern_name] анализировать [мера (s)}
F. Характеристики шахты [as pattern_name] анализировать прогноз_аттрийт_оргистки
G. {set [attribute_or_dimension_i = value_i}]
14: Что из следующего не является преимуществом моделирования и анализа моделирования?
A. Несколько показателей производительности для анализа конфигураций системы.
B. Идентификация узких мест в потоке информации.
C. Проверьте гипотезы системы для осуществимости.
D. Отличный график и планирование бюджета.
E. Алгоритм дерева решений - это тип:
F. Алгоритм дерева решений - это тип:
G. Контролируемое обучение.
H. неконтролируемое обучение.
I. подкрепление обучения.
15: Какое из следующих утверждений является/является правильным в отношении неконтролируемого машинного обучения?
A. Его алгоритмы учатся прогнозировать выходные данные из входных данных.
B. Его алгоритмы учатся воодушевить структуру из входных данных.
C. Он используется против данных, которые имеют исторические этикетки.
D. И B, и C верны.
16: Логистическая регрессия может использоваться с каким из следующих типов зависимых переменных?
A. Целое число
B. Плавать
C. Бинарный (да/нет ответа)
D. Все вышеперечисленное.
17: Какой из следующих алгоритмов повышения реализует регуляризацию, которая помогает уменьшить переосмысление?
A. Xgboost
B. Адабуост
C. Градиент повышение
D. Ни один из вышеперечисленных.
18: Какова точность алгоритма наивного байеса, используемого для классификации?
A. 78,93%
B. 83,25%
C. 80,11%
D. 86,72%
19: Какое из следующих утверждений является/ является правильным в отношении методики классификации C45?
A. Он может иметь дело с непрерывными функциями, так и с дискретными функциями.
B. Его можно использовать как для небольших, так и для больших наборов данных.
C. У этого есть низкое время обработки.
D. Все вышеперечисленное.
20: Какой из следующих алгоритмов не очень хорошо масштабируется по сравнению с другими для очень больших наборов данных?
A. Liblinear
B. Vowpal wabbit
C. Libsvm
D. Все вышеперечисленные масштабируют для больших наборов данных.
21: Какова функция регрессии хребта?
A. Он использует регуляризацию L1.
B. Он используется, когда данные страдают от многоколлинеарности.
C. Это сокращает коэффициенты до нуля.
D. Он использует абсолютные значения в функции штрафа.
22: Языки моделирования предлагают меньшую гибкость, чем симуляторы, ориентированные на приложение.
A. Истинный
B. ЛОЖЬ
23: Какое из следующих утверждений верно в отношении проверки?
A. Он использует тестирование черного ящика и белого ящика.
B. Он не выполняет код.
C. Это включает в себя проверку файлов и документов на основе человека.
D. Это статический механизм.
24: Что касается искусственной нейронной сети, какой из следующих вариантов предназначен для работы с проблемами прогнозирования последовательностей?
A. Многослойные персептроны (MLP)
B. Сверточные нейронные сети (CNN)
C. Повторяющиеся нейронные сети (RNNS)
D. Ни один из вышеперечисленных.
25: Что из следующего не применимо к применению распознавания речи в машинном обучении?
A. Он используется в вычислениях без рук.
B. Он направлен на понимание и понимание произнесенного слова.
C. Он используется в навигации меню.
D. Это зависит от динамика.
26: LN Машинное обучение, логистическая регрессия:
A. требует линейной связи между независимыми и зависимыми переменными.
B. Поддерживает мультиколлинеарность.
C. требует небольших размеров выборки.
D. используется для задач классификации.
27: Что из следующего определяет меру F-оценки для оценки качества поиска текста?
A. F -score = remept x precision / (remeply - precision) / 2
B. F-score = | [aTopact} fl {Получено} l / l [Получено] l
C. F-score = | {agivant} fl [Получено} l / l [соответствует] |
D. F-score = remept x precision / (remeply + precision) / 2
28: Что из следующего не является многоклассовым классическим?
A. Классификация спама и не-спамальных электронных писем
B. Классификация типов урожая
C. Классификация настроения
D. Все вышеперечисленное-многоклассные идентификаторы.
29: Многослойный персептрон (MLP)-это:
A. конечный циклический график.
B. Infinite циклический график
C. Infinite ациклический график
D. Конечный ациклический график.
30: Что из следующего не является примером ограниченного распределения вероятностей?
A. Равномерное распределение
B. Треугольное распределение
C. Логистическое распределение
D. Биномиальное распределение
31: Простая линейная регрессия характеризуется тем, сколько независимых переменных?
A. Один
B. Два
C. Три
D. Четыре
32: Какой из следующих инструментов машинного обучения предоставляет API для нейронных сетей?
A. Keras.io
B. Accors.net
C. Быстрый шахтер
D. Сёгун
33: Какая из следующих структур машинного обучения работает на более высоком уровне абстракции?
A. Tensorflow
B. Пирог
C. Теано
D. Керас
34: Какой из следующих типов моделей анализа данных используется/используется для заключения непрерывных ценных функций?
A. Прогноз
B. Классификация
C. Оба а и Б
D. Ни А, ни Б
35: Что из следующего является преимуществом в логистической регрессии?
A. Естественный вероятностный взгляд на предсказания классов.
B. Линейная граница решения.
C. Независимые требования наблюдений.
D. Переосмыслить модель.
36: В отношении структуры машинного обучения, какой из следующих языков используется Велей для выполнения автоматизации и координации между узлами?
A. C ++
B. Джава
C. Питон
D. р
37: Что из следующего неверно в отношении линейной регрессии?
A. Независимые переменные в линейной регрессии могут быть непрерывными или дискретными.
B. Зависимая переменная в линейной регрессии является дискретной.
C. Линейная регрессия чувствительна к выбросам.
D. Он оценивает реальные значения, которые основаны на непрерывных переменных.
38: Что из следующих неверно относительно Modelica?
A. Это язык
B. Это инструмент.
C. Это декларативно.
D. Это объектно-ориентированное.
39: Какое из следующих утверждений неверно относительно повторяющихся нейронных сетей (RNN)?
A. Они неэнергинистичны.
B. Они могут поселиться на точечные аттракторы.
C. Они могут колебаться.
D. У них есть по крайней мере одно соединение с обратной связью.
40: По отношению к машинному обучению. XGBOOST работает для какого из следующих вариантов?
A. Компьютерное зрение
B. Табличные данные
C. НЛП
D. Все вышеперечисленное.
41: В многослойных персептронах прогнозы сделаны в каком из следующих слоев?
A. Входной слой
B. Первый скрытый слой
C. Последний скрытый слой
D. Выходной слой
42: Что из следующего неверно относительно обратной связи искусственной нейронной сетью?
A. Они используются в контент -адресуемых воспоминаниях.
B. Петли обратной связи разрешены.
C. Поток информации является двунаправленным.
D. Сети обратной связи статичны.
43: Что из следующего неверно относительно топологии искусственной нейронной сети с питанием?
A. Петли обратной связи не допускаются.
B. Поток информации является однонаправленным.
C. У них нет фиксированных входов и выходов.
D. Они используются в генерации шаблонов.
44: Структура машинного обучения Rapidminer написана на каком из следующих языков программирования?
A. C ++
B. Джава
C. Питон
D. В
45:
Какое из следующих утверждений верно?
Заявление 1: Обучение подкрепления является автономным методом.
Заявление 2: Техника обучения подкрепления используется в планировании лифта.
A. Заявление1 верно.
B. Заявление 2 верно.
C. Оба утверждения 1 и 2 верны.
D. Оба утверждения 1 и 2 являются ложными.
46: Устройство искусственного нейрона состоит из того, сколько входов и выходов?
A. Один вход и многие выходы.
B. Много входов и один вывод
C. Один вход и один вывод.
D. Многие входы и многие выходы.
47: Техника регрессии eiasticnet:
A. не может страдать с двойной усадкой.
B. Обезвреживает эффект группы в случае сильно коррелированных переменных.
C. является гибридом методов лассо и линейной регрессии.
D. не имеет никаких ограничений на количество выбранных переменных.
48: В интеллектуальном анализе данных не является методикой сокращения данных?
A. Кластеризация
B. Выборка
C. Гистограммы
D. Хаффман
49: Что касается многослойной нейронной сети, то чем соответствуют нейроны в скрытом слое?
A. Характеристики
B. Дескрипторы
C. Нелинейные скрытые переменные
D. И A, и C
50: Какой из следующих алгоритмов повышения использует рост деревьев по уровню?
A. XGBOOST
B. Повышение градиента
C. Адабуост
D. Свет GB
51: Могут ли деревья решений по данным FIT?
A. Да
B. Нет
52: Какой из следующих типов модели моделирования содержат вероятность (S)?
A. Детерминированные симуляции
B. Стохастическое моделирование
C. Оба а и Б
D. Ни A, ни 0
53: Какова правильная оценка F1 Algorithm Classifciation случайного леса?
A. 0,5924
B. 0,5171
C. 0,6518
D. 0,6275
54: Каковы FI-баллы алгоритма случайных лесов, используемый для классификации?
A. 0,6737
B. 0,5180
C. 0,5224
D. 0,6275
55: Какой из следующих интерфейсов поддерживается/поддерживается Scikit - Learn Tool?
A. Графический процессор
B. Апи
C. И графический процессор, и API
56: Какая из следующих формул используется для правильного расчета точности алгоритмов классификации?
A. Точность: 2 (истинный положительный + истинный отрицательный) I Общая популяция
B. Точность: (истинный положительный + истинный отрицательный) / Общая популяция
C. Точность: (истинный положительный + истинный отрицательный) / 2 (общая популяция)
D. Точность: (истинный положительный X True Oftion) / Общая популяция
57: В интеллектуальном анализе данных какой из следующих методов кластеризации отражает пространственное распределение точек данных?
A. Метод на основе сетки
B. Метод на основе модели
C. Метод разделения
D. Иерархический метод
58: В отношении алгоритма классификации SVM. Какой из следующих вариантов используется для бинарной классификации?
A. Полиномиальное ядро
B. Радиальная базисная функция ядра
C. Сигмоидальное ядро
D. Ни один из вышеперечисленных.
59: Какие из следующих алгоритмов классификации следует использовать для данного сценария? Данные помечены, а количество образцов превышает 100 тысяч.
A. SGD Classifier
B. Приближение ядра
C. Линейный SVC
D. Ни один из вышеперечисленных.
60: Какие из следующих контролируемых алгоритмов обучения/реализованы Apache Mahout?
A. Наивные байесовские классификаторы
B. Поддержка векторных машин (SVM)
C. Нейронные сети
D. И A, и C
61: Какой из следующих типов искусственных нейронных сетей лучше всего подходит для отображения данных изображения с выходной переменной?
A. Многослойные персептроны (MLP)
B. Сверточные нейронные сети (CNNS)
C. Повторяющиеся нейронные сети (RNNS)
D. Оба варианта b и c
62: Какие из следующих вариантов являются правильными функциями фреймворка Pytorch?
A. Он поддерживает параллелизм данных.
B. Он поддерживает распределенную модель обучения.
C. Это подходит только для крупных проектов или прототипов.
D. Он не содержит никакой предварительно обученной модели.
63: Что касается классификации машинного обучения, то какие из нижеперечисленных являются правильные особенности алгоритма спуска стохастического градиента?
A. Он поддерживает многие функции потерь и штрафы за классификацию.
B. Это легко и эффективно реализовать.
C. Это требует очень небольшого количества гиперпараметров.
D. Безразлично масштабировать масштабирование.
64: Какие два из следующих утверждений правильны в отношении классификации, какой метод машинного обучения?
A. Он использует неизвестные данные, чтобы определить, как классифицируются новые данные в набор существующих категорий.
B. Он использует известные данные, чтобы определить, как классифицируются новые данные в набор существующих категорий.
C. Это форма контролируемого обучения.
D. Это форма неконтролируемого обучения.
65: Библиотека, написанная на каком из следующих языков?
A. C
B. C ++
C. Питон
D. р
66: В машинном обучении, какое из следующих утверждений верно относительно оптической когерентной томографии (ОКТ)?
A. Он имеет очень ограниченную глубину визуализации ОКТ.
B. Трудно интерпретировать изображение ОКТ.
C. Эль легко получить изображение ОКТ.
67: Что из перечисленного является правильными функциями инструмента для машинного обучения?
A. Он может интегрировать код языков программирования, таких как C, C ++, R, Java и т. Д.
B. Это может создать сложные модели очень легко.
C. Это обеспечивает очень высокие возможности визуализации и экспорта.
D. Его развертывание и установка очень просты.
68: В отношении алгоритма классификации машинного обучения, какой из следующих вариантов используется деревом решений для построения дерева решений?
A. Энтропия
B. Информационная выгода
C. Вероятность
D. Попробуйте 1-2
69: В сверточных нейронных сетях вход может быть в каком из следующих форматов?
A. Одномерный
B. Двухмерный
C. Трехмерный
D. Пятимерный
70: Какие из следующих рамок можно использовать для кроссплатформенных решений?
A. Tensorflow
B. Пирог
C. Caffe2
D. Попробуйте 1-2
71: APL включены для какого из следующих вариантов в TensorFlow?
A. В
B. C ++
C. Джава
D. Питон
72: Что касается машинного обучения, какой из следующих вариантов является набором инструментов для работы с данными о человеческом языке?
A. Генсим
B. Scipy
C. Nltk
D. Панды
73: Какое из следующих утверждений верно относительно библиотеки машинного обучения сёгуна?
A. Это открытый источник.
B. Это кроссплатформенное и ориентированное на API.
C. Он имеет обслуживающую библиотеку с основной реализацией в Java.
D. Он имеет подробную документацию.
74: Какой из следующих вариантов является преимуществами многослойного персептрона?
A. Он может выучить нелинейные модели.
B. Он может изучать модели в режиме реального времени.
C. Это не требует настройки любого параметра.
D. Безразлично масштабировать масштабирование.
75: Какой из следующих вариантов является инструментами машинного обучения для интерфейса командной строки?
A. Waffles
B. Weka машинное обучение Workbench
C. Pylearn2
D. Deeplearning4j
76: Какие два из перечисленных являются проблемами классификации машинного обучения?
A. Прогнозирование цены на магазин на основе области.
B. Прогнозируя пол человека, анализируя его/ее стиль почерка.
C. Прогнозирование, будет ли снегопад нормальным в этом году.
D. Прогнозирование количества копий книги, которая будет продана в следующие две недели
77: Какие из следующих вариантов являются преимуществами метода классификации K-ближайшего соседа (KNN)?
A. Это обеспечивает отличную производительность времени выполнения.
B. Его сложность вычислений очень низкая.
C. Это легко реализовать.
D. Это надежно для шумных данных обучения.
78: В отношении алгоритма классификации машинного обучения, что из следующего является линейными классификациями?
A. Логистическая регрессия
B. Native Bayes Classifier
C. Наименьшая квадратная векторная машина
D. Случайный лес
79: Что из перечисленных является правильными особенностями алгоритма случайного леса, используемого для классификации?
A. Это увеличивает переполнение.
B. Прогноз в реальном времени быстро.
C. Это трудно реализовать.
D. Это сложный алгоритм.
80: Что касается машинного обучения, какое из следующих утверждений верно относительно библиотеки Tensorfiow?
A. Он может эффективно работать с математическими выражениями, которые включают многомерные массивы.
B. Tensorflow поддерживается только Google.
C. Это не эффективно в настройке с несколькими GPU.
D. Он работает на одном процессоре. Графические процессоры. и мобильные устройства.
81: Какое из следующих утверждений верно относительно методики классификации градиента?
A. В этой технике обучение проводится параллельно.
B. Это трудно настроить.
C. Это легко переполнить.
D. Он реализует невзвешенное голосование за окончательный прогноз
82: Что из перечисленных является преимуществами алгоритма наивного байеса, используемого для классификации?
A. Для оценки необходимых параметров требуется только небольшое количество учебных данных.
B. Он хорошо подходит для спама
C. Это быстро по сравнению с сложными методами.
D. Это отличная оценка.
83: Инструмент машинного обучения Amazon поддерживает какой из следующих типов моделей?
A. Бинарная классификация
B. Многоклассовая классификация
C. Регрессия
D. Многоуровневая классификация
84: Какие из следующих решений можно использовать для задачи классификации классификации данных AISY DATA Algorithm Algorithm Tree Tree Tree C45?
A. Используйте функцию ядра гаусса
B. Используйте credal-c4.5 дерево
C. Используйте улучшенный алгоритм с формулой Тейлора
D. Используйте жадный алгоритм обучения
85: В отношении классификации машинного обучения, какие из нижеперечисленных представляют собой правильные особенности ID3 (итеративный алгоритм Dischotomiser 3)?
A. Он поддерживает глобальную оптимизацию.
B. Это легко понять.
C. Он поддерживает обратный поиск отслеживания.
D. Он не может справиться с отсутствующими значениями.
86: Какие из следующих функций или алгоритмов поддерживаются инструментом Scikit - Learn?
A. Подготовка данных
B. Классификация
C. Выбор модели
D. Визуализация
87: Вы являетесь частью команды Data Science, которая работает в национальной сети быстрого питания. Вы создаете простой отчет, который показывает тенденцию: клиенты, которые чаще посещают магазин и покупают меньшие блюда, тратят больше, чем клиенты, которые посещают реже и покупают большую еду. Какова наиболее вероятная диаграмма, которую создала ваша команда?
A. Диаграмма многоклассной классификации
B. Линейная регрессия и рассеяние графики
C. Поворот
D. Кластерная диаграмма K-сред
88: Вы работаете в организации, которая продает услугу фильтрации спама крупным компаниям. Ваша организация хочет перевести свой продукт на использование машинного обучения. В настоящее время это список из 250,00 ключевых слов. Если сообщение содержит больше, чем несколько из этих ключевых слов, то оно идентифицируется как спам. Что будет одним из преимуществ перехода на машинное обучение?
A. Продукт будет искать новые шаблоны в спам -сообщениях.
B. Продукт может пройти через список ключевых слов гораздо быстрее.
C. Продукт может иметь гораздо более длинный список ключевых слов.
D. Продукт может найти спам -сообщения, используя гораздо меньше ключевых слов.
89: Вы работаете в службе потоковой передачи музыки и хотите использовать контролируемое машинное обучение для классификации музыки по разным жанрам. Ваш сервис собрал тысячи песен в каждом жанре, и вы использовали это в качестве данных обучения. Теперь вы вытащите небольшое случайное подмножество всех песен в вашем сервисе. Как называется это подмножество?
A. Кластер данных
B. Контролируемый набор
C. Большие данные
D. Тестовые данные
90: В традиционном компьютерном программировании вы вводите команды. Что вы вкладываете в машинное обучение?
A. Узоры
B. Программы
C. Правила
D. Данные
91: Ваша компания хочет предсказать, будут ли существующие автомобильные страховые клиенты с большей вероятностью покупать страховку домовладельцев. Он создал модель, чтобы лучше предсказать лучших клиентов, контактирующих с страхованием домовладельцев, и модель имела низкую дисперсию, но высокую уклон. Что это говорит о модели данных?
A. Это было постоянно неправильно.
B. Это было непоследовательно неправильно.
C. Это было последовательно правильно.
D. Это было одинаково правильно. Конец неправильно.
92: Вы хотите определить глобальные погодные условия, которые могли повлиять на изменение климата. Для этого вы хотите использовать алгоритмы машинного обучения, чтобы найти закономерности, которые в противном случае были бы незаметны для человеческого метеоролога. Каково место для начала?
A. Найдите помеченные данные о солнечных днях, чтобы машина научилась идентифицировать плохую погоду.
B. Используйте неконтролируемое обучение.
C. Создайте учебный набор необычных шаблонов и попросите алгоритмы машинного обучения для их классификации.
D. Создайте тренировочный набор обычной погоды и попросите машину поиск похожих шаблонов.
93: Вы работаете в команде по науке о данных, которая хочет повысить точность своего результата K-ближайшего соседа, работая на вершине наивного байесовского результата. Что это за пример?
A. Регрессия
B. Повышение
C. Пакета
D. Укладка
94: ____ смотрит на отношения между предикторами и вашим результатом.
A. Регрессивный анализ
B. Кластеризация K-средних
C. Большие данные
D. Неконтролируемое обучение
95: Что является примером коммерческого приложения для системы машинного обучения?
A. Система ввода данных
B. Система хранилища данных
C. Массивный хранилище данных
D. Система рекомендаций продукта
96: Вы работаете в энергетической компании, которая владеет сотнями тысяч электрических метров. Эти счетчики подключены к Интернету и передают данные об использовании энергии в режиме реального времени. Ваш руководитель просит вас направить проект на использование машинного обучения для анализа этих данных об использовании. Почему алгоритмы машинного обучения идеальны в этом сценарии?
A. Алгоритмы помогут счетчикам получить доступ к Интернету.
B. Алгоритмы улучшат беспроводную связь.
C. Алгоритмы помогут вашей организации увидеть шаблоны данных.
D. Используя алгоритмы машинного обучения, вы создаете устройство IoT.
97: Чтобы предсказать количество количества. использовать ___.
A. Регрессия
B. Кластеризация
C. Классификация
D. Сокращение размерности
98: Почему наивный байесов называется наивным?
A. Это наивно предполагает, что у вас не будет данных.
B. Это даже не пытается создать точные прогнозы.
C. Это наивно предполагает, что предикторы независимы друг от друга.
D. Это наивно предполагает, что все предикторы зависят друг от друга.
99: Как машинное обучение связано с искусственным интеллектом?
A. Искусственный интеллект фокусируется на классификации, а машинное обучение - это кластеризационные данные.
B. Машинное обучение - это тип искусственного интеллекта, который опирается на обучение с помощью данных.
C. Искусственный интеллект - это форма неконтролируемого машинного обучения.
D. Машинное обучение и искусственный интеллект - это одно и то же.
100: Как алгоритмы машинного обучения делают более точные прогнозы?
A. Алгоритмы обычно работают более мощными серверами.
B. Алгоритмы лучше видят закономерности в данных.
C. Серверы машинного обучения могут размещать более крупные базы данных.
D. Алгоритмы могут работать на неструктурированных данных.
List of Вопросы с вы...
Available in:
Machine learning MCQs
Вопросы с выбором ответа по машинному обучению (MCQs)
Preguntas de opción múltiple sobre aprendizaje automático (MCQs)
機械学習の多肢選択問題 (MCQs)
Domande a Risposta Multipla sull'Apprendimento Automatico (MCQs)
Questions à Choix Multiple sur l'Apprentissage Automatique (MCQs)
Questões de Múltipla Escolha sobre Aprendizado de Máquina (MCQs)
Multiple-Choice-Fragen zum maschinellen Lernen (MCQs)
机器学习多项选择题 (MCQs)
أسئلة اختيار متعدد حول التعلم الآلي (MCQs)
Soal Pilihan Ganda Machine Learning (MCQs)
Makine Öğrenimi Çoktan Seçmeli Soruları (MCQs)
