在一个包含5000个特征及超过一百万个观测值的数据集上建立一个机器学习的模型，下面哪种方法能更高效地训练模型？（）
A: 使用在线学习算法
B: 从数据集中随机抽取样本来建立模型
C: 使用主成分分析法（PCA）对数据降维
D: 使用支持向量机SVM来建立模型
A: 使用在线学习算法
B: 从数据集中随机抽取样本来建立模型
C: 使用主成分分析法（PCA）对数据降维
D: 使用支持向量机SVM来建立模型
举一反三
- 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
- 我们想要训练一个 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 D: 选项中都不对
- 机器学习系统使用什么来建立并更新模型？ A: 样本数据 B: 继承模型 C: 标签数据 D: 计算能力
- 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
- 在训练数据集上模型执行得很好，说明是个好模型。