假设你有一个非常大的训练集合，如下机器学习算法中，哪个是能够使用map-reduce框架并能将训练集划分到多台机器上进行并行训练的
A: 逻辑回归
B: 线性回归
C: 随机梯度下降
D: 针对单条样本进行训练的在线学习
A: 逻辑回归
B: 线性回归
C: 随机梯度下降
D: 针对单条样本进行训练的在线学习
举一反三
- 假设你有一个非常大的训练集合，如下机器学习算法中，你觉着有哪些是能够使用map-reduce框架并能将训练集划分到多台机器上进行并行训练的（） A: 逻辑斯特回归（LR)，以及随机梯度下降(SGD) B: 线性回归及批量梯度下降(BGD) C: 神经网络及批量梯度下降(BGD) D: 针对单条样本进行训练的在线学习
- 在机器学习过程中，训练过程中使用的数据样本集合称为 A: 训练集 B: 结果集 C: 模型集 D: 学习集
- 想要训练一个ML模型，样本数量有100万个，特征维度是5000，面对如此大数据，如何有效地训练模型（ ）？ A: 对训练集随机采样，在随机采样的数据上建立模型 B: 尝试使用在线机器学习算法 C: 使用PCA算法减少特征维度
- 关于线性回归，以下说法错误的是（ ）? 线性回归是一种有监督学习算法|线性回归能够求解二次曲线拟合问题|线性回归模型能够通过梯度下降策略训练|线性回归能够求解直线（或超平面）拟合问题
- 关于线性回归，以下说法错误的是（ ） A: 线性回归是一种有监督学习算法 B: 线性回归能够求解直线（或超平面）拟合问题 C: 线性回归能够求解二次曲线拟合问题 D: 线性回归模型能够通过梯度下降策略训练