首页
如果模型过于简单，连训练数据集的特点都不能完全考虑到的话，那么这样的模型在训练数据集和测试数据集的得分都会非常差，这个时候我们说模型出现了欠拟合。
精华吧
→
答案
→
网课
如果模型过于简单，连训练数据集的特点都不能完全考虑到的话，那么这样的模型在训练数据集和测试数据集的得分都会非常差，这个时候我们说模型出现了欠拟合。
正确答案：正确
Tag：
模型
都会
数据
时间：2024-04-17 10:41:52
上一篇：
scikit（）learn是一个文档丰富且易于使用的库，它使用简单的方法简化了机器学习算法的应用。
下一篇：
在有监督学习中，我们会在训练数据集上建立模型，之后会把这个模型用于之前从未见过的数据中，这个过程称为模型的泛化。
相关答案
1.
scikit（）learn还用于执行数据预处理、特征选择、模型评估等操作。
2.
线性回归的任务是找到一个从特征空间X到输出空间Y的最优的线性映射函数。
3.
根据商品房屋的所在城市、面积、地段和开发商等若干个特征数据进行预测房价，根据季度、维度、时间和地点等若干特征数据预测天气预报都属于回归问题。
4.
机器学习可以根据学习方式分为监督式学习和非监督式学习。
5.
监督式学习只需要有标记的训练样本去学习得到一个最优模型。
6.
非监督式学习就是从以往经验中去不断学习来获取知识，不需要大量已标记的确定标签。
7.
强化学习是通过反馈来自我进行“学习”，不需要大量已标记的确定标签。
8.
分类通过有标记样本训练出一个分类函数或分类模型，该模型能把训练样本以外的新样本映射到给定类别中的某一类中，属于有监督学习。
9.
回归是通过拟合有标记样本的分布得到一条直线或者超平面，从而对新样本进行预测，属于有监督学习。
10.
聚类是通过一定方法使得相似的样本划分为一个簇，不同簇的样本尽可能不相似，属于无监督学习。
热门答案
1.
所有的聚类算法都属于有监督学习。
2.
特征工程是机器学习的关键步骤。
3.
特征工程是一个创造新特征的过程，利用数据领域的知识创建使机器学习算法达到最佳性能的特征。
4.
在对人的性别进行分类的模式分类问题中，特征提取与选择的好坏将直接决定分类器的性能。
5.
数据清洗主要是对原始数据进行规整化，目标是使得数据能够满足模型处理的数据格式。
6.
在实际场景中，我们获取的数据或多或少可能存在缺失的情况，这时我们需要对缺失数据进行相应处理。
7.
在完成数据清洗之后，我们需要进行特征预处理，包括归一化、标准化、中心化。
8.
在犬种区分任务中，我们可以通过耳朵大小、体型大小、眼睛颜色和毛长等特征来区分不同种类的狗。
9.
在犬种区分任务中，我们可以通过毛色特征来区分不同种类的狗。
10.
在犬种区分任务中，我们需要对特征值进行无量纲化处理，才能将不同规格的数据转换到同一规格。