1-4 解析機器學習核心概念

發佈留言 / 作者: /

1-4 解析機器學習核心概念模擬測驗，採智能選題，無限次反覆練習。

1. 
以下何者不是特徵選取的基本原則？

2. 
在特徵工程中使用主成分分析（PCA）時，最大的風險是：

3. 
特徵選取過程中最重要的是：

4. 
在處理高基數類別特徵時，最不適合的編碼方式是：

5. 
在進行時間序列預測時，下列哪種特徵工程方式最不恰當？

6. 
在機器學習資料集分割中，訓練數據集通常佔總數據的比例為：

7. 
在即時預測系統中，特徵工程的主要挑戰不包括：

8. 
機器學習中，標籤的特點不包括：

9. 
機器學習中的標籤主要用於：

10. 
資料預處理的第一步應該是：

11. 
資料清理的主要目的是：

12. 
在醫療診斷模型中，若遇到大量缺失值，最不適合採用的處理方式為：

13. 
機器學習中的雜訊可能來自：

14. 
處理時空資料時，最不適合的特徵工程方式是：

15. 
在處理生物序列資料時，最不適合的特徵工程方式是：

16. 
在以房價預測為例的機器學習專案中，下列哪種特徵組合最不可能提供有效的預測價值？

17. 
在進行深度學習特徵提取時，最不需要考慮的因素是：

18. 
特徵組合的主要目的是：

19. 
對於資料集的多樣性，下列敘述何者錯誤：

20. 
下列何者不是資料集要求：


error: Content is protected !!
返回頂端