1.什么是機器學習

機器學習是為了應對系統程序設計，屬于計算機科學類的學科，它能根據經驗進行自動學習和提高。例如：一個由程序操縱的機器人，它能根據從傳感器搜集到的數據，完成一系列的任務和工作。它能根據數據自動地學習應用程序。

2.機器學習與數據挖掘的區別

機器語言是指在沒有明確的程序指令的情況下，給予計算機學習能力，使它能自主的學習、設計和擴展相關算法。數據挖掘則是一種從非結構化數據里面提取知識或者未知的、人們感興趣的圖片。在這個過程中應用了機器學習算法。

3.什么是機器學習的過度擬合現象

在機器學習中，當一個統計模型首先描述隨機誤差或噪聲，而不是自身的基本關系時，過度擬合就會出現。當一個模型是過于復雜，過擬合通常容易被發現，因為相對于訓練數據類型的數量，參數的數量過于五花八門。那么這個模型由于過度擬合而效果不佳。

4.過度擬合產生的原因

由于用于訓練模型的標準并不等同于判斷模型效率的標準，這導致了產生過度擬合的可能性。

5.如何避免過度擬合

當你使用較小的數據集進行機器學習時，容易產生過度擬合，因此使用較大的數據量能避免過度擬合現象。但是，當你不得不使用小型數據集進行建模時，可以使用被稱為交叉驗證的技術。在這種方法中數據集被分成兩節，測試和訓練數據集，測試數據集只測試模型，而在訓練數據集中，數據點被用來建模。

在該技術中，一個模型通常是被給定有先驗知識的數據集(訓練數據集)進行訓練，沒有先驗知識的數據集進行測試。交叉驗證的思想是：在訓練階段，定義一個數據集用來測試模型。

6.什么是感應式的機器學習？

感應機器學習涉及由實踐進行學習的過程，能從一組可觀測到的例子的嘗試推導出普遍性規則。

7.什么是機器學習的五個流行的算法？

總結

以上是生活随笔為你收集整理的分类学计算机面试什么,史上最全的机器学习面试题-机器学习爱好者必看的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。