快乐学习
一个网站喵查铺子（catpuzi.com）全搞定~
A、是一种有监督的机器学习方法
B、依赖于向量之间的空间距离度量
C、是一种迭代的算法
D、可以解决文本分类问题
喵查答案：依赖于向量之间的空间距离度量
是一种迭代的算法
……继续阅读 »
A、是一个模型的超参数
B、可以在模型优化中自动学习
C、取值会影响模型聚类的效果
D、需要在聚类算法运行之前确定
喵查答案：是一个模型的超参数
取值会影响模型聚类的效果
需要在聚类算法运行之前确定
……继续阅读 »
A、都是在向量空间寻找切分方式的算法
B、都只依赖输入文档的向量表示
C、效果都受到特征类别定义的影响
D、分类问题比聚类问题对向量空间的切分可控，是因为相应的模型参数更多
喵查答案：都是在向量空间寻找切分方式的算法
效果都受到特征类别定义的影响
分类问题比聚类问题对向量空间的切分可控，是因为相应的模型参数更多
……继续阅读 »
A、都是文本分类模型
B、都是概率模型
C、都是二分类模型模型
D、都是判别式模型
喵查答案：都是概率模型
都是二分类模型模型
都是判别式模型
……继续阅读 »
A、利用点到超平面的距离定义训练目标
B、模型参数可以被看成是一个超平面
C、可以很自然地解决二分类问题，但不能直接解决多分类问题
D、是一种在线的学习算法
喵查答案：利用点到超平面的距离定义训练目标
模型参数可以被看成是一个超平面
可以很自然地解决二分类问题，但不能直接解决多分类问题
……继续阅读 »
A、是一种在线的学习算法
B、模型参数可以被看成是定义一个超平面
C、给定一个输入，模型分数大于一则判断为正例，模型分数小于1则判断为负例
D、模型参数的数量和输入特征向量的长度无关
喵查答案：是一种在线的学习算法
模型参数可以被看成是定义一个超平面
给定一个输入，模型分数大于一则判断为正例，模型分数小于1则判断为负例
……继续阅读 »
A、将超平面映射成超曲面
B、将多分类问题转换成正确类别和错误类别的二分类
C、一个超平面不能解决多分类问题，需要对每个类别分别定义一个超平面
D、通过对输入和输出同时提取特征，对特征向量空间增维
喵查答案：将多分类问题转换成正确类别和错误类别的二分类
通过对输入和输出同时提取特征，对特征向量空间增维
……继续阅读 »
A、概率关系
B、空间距离关系
C、向量长度关系
D、贝叶斯法则
喵查答案：空间距离关系
……继续阅读 »
A、特征向量表达能力增强
B、模型训练的目标函数改变，用正确类别和错误类别的相对分值而不是绝对分值进行决策
C、对于多分类问题，模型的超平面定义彻底改变了，不需要平移参数就可以定义点到超平面的距离
D、多分类问题需要非线性变换，参数b变换之后不能保证代表空间平移距离，因此只能舍弃
喵查答案：模型训练的目标函数改变，用正确类别和错误类别的相对分值而不是绝对分值……继续阅读 »
A、模型参数属于超参数
B、超参数影响模型性能
C、一般来说，超参数的数量相对模型参数较少
D、超参数允许手工定义
喵查答案：超参数影响模型性能
一般来说，超参数的数量相对模型参数较少
超参数允许手工定义
……继续阅读 »
A、生成式概率模型，参数化过程中的重要工具
B、N元语言模型句子概率计算过程的推导手段
C、朴素贝叶斯模型建模过程中使用的重要技巧
D、最大似然估计推导过程中的必要步骤
喵查答案：生成式概率模型，参数化过程中的重要工具
N元语言模型句子概率计算过程的推导手段
朴素贝叶斯模型建模过程中使用的重要技巧
最大似然估计推导过程中的必要步骤
……继续阅读 »
A、平滑（smoothing）
B、回退（backoff）
C、条件概率（conditional probability）
D、边缘化（marginalization）
喵查答案：平滑（smoothing）
回退（backoff）
……继续阅读 »
A、速度慢
B、稀疏性强
C、表达能力弱
D、内存占用多
喵查答案：速度慢
稀疏性强
内存占用多
……继续阅读 »
A、贝叶斯法则(bayes rule)
B、概率链式法则(probability chain rule)
C、概率边缘化计算(Marginalization)
D、条件无关假设(Independence assumption)
喵查答案：贝叶斯法则(bayes rule)
概率链式法则(probability chain rule)
条件无关假设(Indep……继续阅读 »
A、P(A)P(B|A) = P(B)P(A|B)
B、A与B条件无关，则B与A条件无关
C、P(A)一定P(A|B)
D、P(B,C|A)=P(B|A)P(C|B,A)
喵查答案：P(A)P(B|A) = P(B)P(A|B)
A与B条件无关，则B与A条件无关
P(B,C|A)=P(B|A)P(C|B,A)
……继续阅读 »
