1、用自己的話說明機器學習的四大分類： classification (分類)、
clustering (聚類)
、regression (回歸)
、dimensionality reduction (降維)
。classification (分類
)：分類需要先找到資料樣本點中的分界線，再根據分界線對新資料進行分類，分類資料是離散的值，比如識別、情感分析等領域會經常用到分類任務。
clustering (聚類
)：聚類是根據樣本之間的相似度，將一批資料劃分為n個組。比如使用者分組、異常值檢測等領域會用到聚類任務。
regression (回歸
)：回歸是對已有的資料樣本點進行擬合，再根據擬合出來的函式，對未來進行**。回歸資料是連續的值，比如商品**走勢的**就是回歸任務。
dimensionality reduction (降維
)：降維是減少資料的維度，對資料進行降噪、去冗餘，方便計算和訓練；如資料預處理，減少一些對模型準確率影響很小維度，可以提高計算效率。再如圖表視覺化，我們進行資料分析時，通常會將高維模型降為三維或二維圖表，便於直觀分析。
2、用自己的話說明正向傳播、反向傳播、梯度下降。
正向傳播：正向傳播是指對神經網路沿著從輸入層到輸出層的順序，依次計算並儲存模型的中間變數。
反向傳播：反向傳播用於計算神經網路中的引數梯度。
梯度下降：用於優化目標函式，如果要最小化乙個損失函式，就使用梯度下降法。
3、用自己的話說明梯度消失和梯度**原因。
（1）隱藏層的層數過多；（2）採用了不合適的啟用函式；（3）權重的初始化值過大.
測試機器學習演算法的好壞
一 當我們訓練出乙個模型，我們不知道這個模型是好還是壞，我們如果應用到真實環境，結果 的沒有可信度，所以在輸入樣例之前先對模型進行測試。這時，我們就要將我們所有的資料分為兩部分，一大部分用來訓練，一小部分用來測試，一般比例在8 2。也就是我們會有兩套資料集，乙個是訓練集，另乙個是測試集。二 鳶尾花舉...
如何測試機器的大小端
一 大小端 1 為啥會有大小端 在計算機系統中以位元組為單位，每個位址單位都有乙個位元組 乙個位元組8個bit位 在c語言中，有char 8bit short 16bit long 32bit，具體看編譯器 對於位數大於8的處理器，不如16位或者32位的處理器，由於暫存器寬度大於乙個位元組，那麼必然...
測試機器大小端儲存的方法
小端模式 little endian 是指資料的高位元組儲存在記憶體的高位址中，而資料的低位元組儲存在記憶體的低位址中，這種儲存模式將位址的高低和資料位權有效地結合起來，高位址部分權值高，低位址部分權值低，和我們的邏輯方法一致。大端模式 big endian 是指資料的高位元組，儲存在記憶體的低位址...