机器学习复习
1 - 哪种是两种常见的监督学习的类型？(选择两个)
A. 聚类
B. 回归
C. 分类
BC
2 - 以下哪种是无监督学习？
A. 聚类
B. 回归
C. 分类
A
3 - 对于线性回归，模型为\(f_{w,b}(x) = wx + b\)
以下哪些是输入或特征，它们被输入到模型中，并且模型将通过它们进行预测？
A. \(m\)
B. \(x\)
C. \((x,y)\)
D. \(w\) 和 \(b\)
B
4 - 对于线性回归，如果你找到参数 \(w\) 和 \(b\) ，使 \(J(w,b)\) 非常接近于零，你能得出什么结论？
A. 选定的参数 \(w\) 和 \(b\) 的值使算法对训练集的拟合非常好
B. 所选参数 \(w\) 和 \(b\) 的值导致算法对训练集的拟合非常差
C. 这是不可能的——代码中一定有一个bug
A
5 - 梯度下降是一种寻找参数值w和b，使成本函数J最小的算法。
当\(\frac{\partial J(w,b)}{\partial w}\)是一个负数(小于零)，在一个更新步骤之后，\(w\)会发生什么变化？
A. 无法判断 \(w\) 是会增加还是减少
B. \(w\) 增加
C. \(w\) 减少
D. \(w\) 保持不变
B
6 - 对于线性回归，参数b的更新步骤是什么？
A.\(b = b - \alpha\frac{1}{m}\sum\limits_{i=1}^{m}(f_{w,b}(x^{(i)}) - y^{(i)})\)
B.\(b = b - \alpha\frac{1}{m}\sum\limits_{i=1}^{m}(f_{w,b}(x^{(i)}) - y^{(i)})x^{(i)}\)
A