机器学习考试题库及答案

简述混淆矩阵的概念。

答：[混淆矩阵(Confusion Matrix)是理解大多数评价指标的基础。从集合的角度来看，定义∪为并集运算符，则混淆矩阵具有：样本全集 = ???∪???∪???∪???、任何一个样本属于且只属于4个集合中的一个，没有交集的特征。混淆矩阵包含四部分的信息：1)真阳率(True Positive，TP)表明实际是正样本预测成正样本的样本数；2)假阴率(False Negative，FN)表明实际是正样本预测成负样本的样本数；3)假阳率(False Positive，FP)表明实际是负样本预测成正样本的样本数；4)真阴率(True Negative，TN)表明实际是负样本预测成负样本的样本数。]

继续答题：下一题

机器学习是人工智能核心，是使计算机具有智能的根本途径。

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。