在机器学习中,哪种学习方式需要预先提供带有标签的数据集,让模型学习输入与输出之间的映射关系?
无监督学习
监督学习
深度学习
强化学习
小明想对一堆未分类的新闻文章进行自动分组,使得内容相似的文章聚集在一起。他应该使用以下哪种机器学习方法最合适?
监督学习
无监督学习
迁移学习
强化学习
在训练一个下棋AI时,AI通过不断尝试走棋,并根据赢棋或输棋的结果(奖励或惩罚)来调整自己的策略。这主要应用了哪种学习范式?
监督学习
无监督学习
半监督学习
强化学习
以下哪一项是监督学习的典型应用场景?
根据用户购买历史推荐商品
让机器人学习在复杂环境中行走
将客户按照消费行为分成不同群体
根据房屋特征(面积、位置)预测其售价
无监督学习的主要特点是什么?
只能处理数值型数据
通过与环境的交互来学习最优策略
从无标签的数据中发现隐藏的模式或结构
需要明确的指导信号(标签)
强化学习中的核心概念“智能体”(Agent)通过什么来学习?
预先设定好的固定规则
来自环境的奖励或惩罚反馈
大量的已标注样本
数据内部的相似性和差异性
关于机器学习中的监督学习,以下哪些描述是正确的?
训练数据必须包含明确的标签或答案
常见的应用包括垃圾邮件过滤和房价预测
常用于分类和回归任务
训练数据不需要任何人工标注
模型通过试错和奖励机制进行学习
在监督学习中,模型训练时不需要提供任何标签数据,可以自动从数据中发现规律。
强化学习的特点是智能体通过与环境交互,根据获得的奖励或惩罚来调整自己的行为策略。