有监督学习是分类器从有类别标签的训练集中学习到具体的分类决策规则的学习模式。

A.分类器选择与优化

B.类别定义与类别合并

C.训练样本选择

D.影像分析

A、有监督学习

B、无监督学习

C、强化学习

D、半监督学习

A、有监督学习方法

B、无监督学习方法

C、速度快，分类决策规则明确

D、需选择分支后两个子节点纯度最高的特征作为一个节点的测试特征

E、未考虑特征间的相关性

F、分类无偏性好，但容易发生过拟合

B.类别定义与类别合并

C.训练样本选择

D.影像分析

B、有标签的监督学习

C、无标签的非监督学习

D、无标签的监督学习

A、训练 硬分类 软分类

B、选择 监督分类 非监督分类

C、训练 监督分类 非监督分类

D、选择 硬分类 软分类

1.一个机器学习模型，如果有较高准确率，总是说明这个分类器是好的

2.如果增加模型复杂度，那么模型的测试错误率总是会降低

3.如果增加模型复杂度，那么模型的训练错误率总是会降低

4.我们不可以使用聚类“类别id”作为一个新的特征项，然后再用监督学习分别进行学习

A.1

B.2

C.3

D.1and3

A、聚类算法中，同一类别内部样本的相似度较低

B、自动编码器常应用于图像抗噪和数据降维

C、聚类算法中，不同类别之间样本不交叉

D、与有监督学习相比，无监督学习更接近人类学习的过程