Nen 的回答 - 好学星城学习论坛

0 赞同

如何根据训练集大小选择分类器？

对于小的训练集，具有高偏差和低方差模型的模型更好，因为它不太可能过拟合。一个例子是朴素贝叶斯。对于大型训练集，具有低偏差和高方差模型的模型更好，因为它表示更复杂的关系。一个例子是逻辑回归。

回答于 2021-10-29 13:59

0 赞同

解释ROC曲线和AUC？

ROC曲线是在所有阈值下分类模型的性能的图形表示。它有两个阈值：真阳性率和假阳性率。简单来说，AUC（ ROC 曲线下方的面积）就是 ROC 曲线下方的面积。AUC 测量 ROC 曲线下从分类模型的性能指标。

回答于 2021-10-29 13:58

0 赞同

什么是超参数？它们与模型参数有何不同？

模型参数是模型内部的变量。参数值是根据训练数据估算的。超参数是模型外部的变量。该值无法从数据中估算出来，通常用于估算模型参数。

回答于 2021-10-29 13:58

0 赞同

如何确保您不会过度拟合模型？

我们可以使用三种方法来防止过度拟合： (1) 使用交叉验证技术（例如k折交叉验证） (2) 保持模型简单（即减少变量）以减少方差 (3) 使用正则化技术（例如 LASSO）来惩罚可能导致过度拟合的模型参数

回答于 2021-10-29 13:56

0 赞同

解释如何开发数据管道？

数据管道使我们能够采用数据科学模型并对其进行自动化或扩展。常见的数据管道工具是 Apache Airflow，并且使用 Google Cloud，Azure 和AWS 托管它们。对于这样的问题，您想解释所需的步骤并讨论您在构建数据管道方面的实际经验。对于 Google Cloud 主机，基本步骤如下： (1) 登录到 Google Cloud Platform (2) 创建一...

回答于 2021-10-29 13:56

0 赞同

如何解决模型中的高方差？

如果模型具有低方差和高偏差，我们使用装袋算法，该算法使用随机抽样将数据集划分为子集。我们使用这些样本通过单个学习算法生成一组模型。此外，我们可以使用正则化技术，其中较高的模型系数会受到惩罚，以降低总体复杂度

回答于 2021-10-29 13:55

0 赞同

如何避免僵尸进程？

通过signal(SIGCHLD, SIG_IGN)通知内核对子进程的结束不关心，由内核回收。如果不想让父进程挂起，可以在父进程中加入一条语句： signal(SIGCHLD,SIG_IGN);表示父进程忽略SIGCHLD信号，该信号是子进程退出的时候向父进程发送的。父进程调用wait/waitpid等函数等待子进程结束，如果尚无子进程退出wait会导致父进程阻塞。w...

回答于 2021-10-28 16:28

0 赞同

介绍一下几种典型的锁？

读写锁多个读者可以同时进行读写者必须互斥（只允许一个写者写，也不能读者写者同时进行）写者优先于读者（一旦有写者，则后续读者必须等待，唤醒时优先考虑写者）互斥锁一次只能一个线程拥有互斥锁，其他线程只有等待互斥锁是在抢锁失败的情况下主动放弃CPU进入睡眠状态直到锁的状态改变时再唤醒，而操作系统负...

回答于 2021-10-28 16:12

0 赞同

什么是机器学习？

简单的说，机器学习就是让机器从数据中学习，进而得到一个更加符合现实规律的模型，通过对模型的使用使得机器比以往表现的更好，这就是机器学习。对上面这句话的理解：数据：从现实生活抽象出来的一些事物或者规律的特征进行数字化得到。学习：在数据的基础上让机器重复执行一套特定的步骤（学习算法）进行事物特征的...

回答于 2021-10-28 16:09

0 赞同

机器学习与数据挖掘的区别？

数据挖掘和机器学习的区别和联系，周志华有一篇很好的论述《机器学习和数据挖掘》可以帮助大家理解。数据挖掘受到很多学科领域的影响，其中数据库、机器学习、统计学无疑影响最大。简言之，对数据挖掘而言，数据库提供数据管理技术，机器学习和统计学提供数据分析技术。由于统计学往往醉心于理论的优美而忽视实际的效用...

回答于 2021-10-28 16:03

3096 个回答