50 Machine Learning Intervjufrågor och svar (2025)

By: Evelyn Clarke Evelyn Clarke
Hours Uppdaterad

Här är Machine Learning-intervjufrågor och svar för fräschare såväl som erfarna kandidater att få sitt drömjobb.

 

Machine Learning Viva Frågor och svar för nybörjare

1) Vad är maskininlärning?

Maskininlärning är en gren inom datavetenskap som handlar om systemprogrammering för att automatiskt lära sig och förbättra med erfarenhet. Till exempel: Robotar är programmerade så att de kan utföra uppgiften baserat på data de samlar in från sensorer. Den lär sig automatiskt program från data.

👉 Gratis PDF-nedladdning: Machine Learning Intervjufrågor och svar >>

2) Nämn skillnaden mellan Data Mining och Machine learning?

Maskininlärning relaterar till studier, design och utveckling av de algoritmer som ger datorer förmågan att lära sig utan att vara explicit programmerad. Även om datautvinning kan definieras som den process där ostrukturerad data försöker extrahera kunskap eller okända intressanta mönster. Under denna processmaskin används inlärningsalgoritmer.

3) Vad är "Overfitting" i maskininlärning?

In maskininlärning, när en statistisk modell beskriver slumpmässiga fel eller brus istället för underliggande samband inträffar "överanpassning". När en modell är alltför komplex, observeras normalt överanpassning på grund av att den har för många parametrar med avseende på antalet träningsdatatyper. Modellen uppvisar dålig prestanda som har blivit överanpassad.

4) Varför övermontering händer?

Möjligheten att överanpassa finns eftersom kriterierna som används för att träna modellen inte är desamma som kriterierna som används för att bedöma effektiviteten av en modell.

5) Hur kan du undvika övermontering?

Genom att använda mycket data kan överanpassning undvikas, överanpassning sker relativt sett då man har en liten datamängd, och man försöker lära sig av den. Men om du har en liten databas och du tvingas komma med en modell baserad på det. I en sådan situation kan du använda en teknik som kallas korsvalidering. I den här metoden delas datasetet upp i två sektioner, testnings- och träningsdatauppsättningar, testdatasetet kommer bara att testa modellen medan, i träningsdatasetet, datapunkterna kommer med modellen.

I denna teknik ges en modell vanligtvis en datauppsättning av en känd data på vilken träning (träningsdataset) körs och en datauppsättning med okända data mot vilken modellen testas. Tanken med korsvalidering är att definiera en datauppsättning för att "testa" modellen i träningsfasen.

6) Vad är induktiv maskininlärning?

Den induktiva maskininlärningen involverar inlärningsprocessen genom exempel, där ett system från en uppsättning observerade instanser försöker framkalla en allmän regel.

7) Vilka är de fem populära algoritmerna för maskininlärning?

  • Beslutsträd
  • Neurala nätverk (tillbakaförökning)
  • Probabilistiska nätverk
  • Närmaste granne
  • Stöd vektormaskiner

8) Vilka är de olika algoritmteknikerna inom maskininlärning?

De olika typerna av tekniker inom maskininlärning är

9) Vilka är de tre stegen för att bygga hypoteserna eller modellen i maskininlärning?

  • Modellbyggnad
  • Modelltestning
  • Applicera modellen

10) Vad är standardmetoden för handledad inlärning?

Standardmetoden för övervakat lärande är att dela upp exemplen i träningsuppsättningen och testet.

11) Vad är 'Träningsset' och 'Testset'?

Inom olika områden av informationsvetenskap, som maskininlärning, används en uppsättning data för att upptäcka det potentiellt prediktiva sambandet som kallas "Training Set". Träningsuppsättning är ett exempel som ges till eleven, medan testset används för att testa riktigheten av hypoteserna som genereras av eleven, och det är den uppsättning exempel som hålls tillbaka från eleven. Träningsset skiljer sig från testset.

12) Lista ner olika metoder för maskininlärning?

De olika tillvägagångssätten inom maskininlärning är

  • Koncept kontra klassificeringsinlärning
  • Symboliskt kontra statistiskt lärande
  • Induktivt kontra analytiskt lärande

13) Vad är inte maskininlärning?

14) Förklara vad är funktionen för "Oövervakat lärande"?

  • Hitta kluster av data
  • Hitta lågdimensionella representationer av data
  • Hitta intressanta riktningar i data
  • Intressanta koordinater och korrelationer
  • Hitta nya observationer/databasrensning

15) Förklara vad är funktionen för 'övervakat lärande'?

  • klassificeringar
  • Taligenkänning
  • Regression
  • Förutsäg tidsserier
  • Annotera strängar

16) Vad är algoritmoberoende maskininlärning?

Maskininlärning där matematiska grunder är oberoende av någon speciell klassificerare eller inlärningsalgoritm kallas algoritmoberoende maskininlärning?

17) Vad är skillnaden mellan artificiell inlärning och maskininlärning?

Att designa och utveckla algoritmer enligt beteenden baserade på empirisk data kallas Machine Learning. Även om artificiell intelligens förutom maskininlärning, täcker den också andra aspekter som kunskapsrepresentation, naturlig språkbehandling, planering, robotik etc.

18) Vad är klassificerare i maskininlärning?

En klassificerare i en maskininlärning är ett system som matar in en vektor av diskreta eller kontinuerliga funktionsvärden och matar ut ett enda diskret värde, klassen.

19) Vilka är fördelarna med Naive Bayes?

I Naive Bayes kommer klassificeraren att konvergera snabbare än diskriminerande modeller som logistisk regression, så du behöver mindre träningsdata. Den största fördelen är att den inte kan lära sig interaktioner mellan funktioner.

20) Inom vilka områden används mönsterigenkänning?

Mönsterigenkänning kan användas i

  • Datorsyn
  • Taligenkänning
  • Data Mining
  • Statistik
  • Informell hämtning
  • Bio-informatik

Machine Learning intervjufrågor för erfarna

21) Vad är genetisk programmering?

Genetisk programmering är en av de två teknikerna som används vid maskininlärning. Modellen bygger på att testa och välja det bästa valet bland en uppsättning resultat.

22) Vad är induktivt Logic Programmatik i maskininlärning?

Induktiv Logic Programming (ILP) är ett underområde av maskininlärning som använder logisk programmering som representerar bakgrundskunskap och exempel.

23) Vad är modellval inom maskininlärning?

Processen att välja modeller bland olika matematiska modeller, som används för att beskriva samma datamängd, kallas modellval. Modellval tillämpas inom områdena statistik, maskininlärning och datautvinning.

24) Vilka är de två metoderna som används för kalibreringen i Supervised Learning?

De två metoder som används för att förutsäga goda sannolikheter i Supervised Learning är

  • Platt kalibrering
  • Isotonisk regression

Dessa metoder är designade för binär klassificering, och det är inte trivialt.

25) Vilken metod används ofta för att förhindra övermontering?

När det finns tillräckligt med data används 'isotonisk regression' för att förhindra ett överanpassat problem.

26) Vad är skillnaden mellan heuristik för regelinlärning och heuristik för beslutsträd?

Skillnaden är att heuristiken för beslutsträd utvärderar den genomsnittliga kvaliteten för ett antal osammanhängande uppsättningar medan regelinlärare endast utvärderar kvaliteten på den uppsättning instanser som täcks av kandidatregeln.

27) Vad är Perceptron i maskininlärning?

Inom maskininlärning är Perceptron en övervakad inlärningsalgoritm för binära klassificerare där en binär klassificerare är en avgörande funktion för om en ingång representerar en vektor eller ett tal.

28) Förklara de två komponenterna i Bayesianskt logikprogram?

Bayesiansk logikprogram består av två komponenter. Den första komponenten är logisk; den består av en uppsättning Bayesianska klausuler, som fångar domänens kvalitativa struktur. Den andra komponenten är en kvantitativ, den kodar den kvantitativa informationen om domänen.

29) Vad är Bayesian Networks (BN)?

Bayesian Network används för att representera den grafiska modellen för sannolikhetssamband mellan en uppsättning variabler.

30) Varför instansbaserad inlärningsalgoritm ibland kallad lata inlärningsalgoritm?

Instansbaserad inlärningsalgoritm kallas också för lat inlärningsalgoritm eftersom de fördröjer induktions- eller generaliseringsprocessen tills klassificering utförs.

31) Vilka är de två klassificeringsmetoder som SVM ( Support Vector Machine) kan hantera?

  • Kombinera binära klassificerare
  • Modifiera binär för att inkludera flerklassinlärning

32) Vad är ensemble learning?

För att lösa ett visst beräkningsprogram genereras och kombineras flera modeller som klassificerare eller experter strategiskt. Denna process är känd som ensemble learning.

33) Varför används ensemble learning?

Ensembleinlärning används för att förbättra klassificering, förutsägelse, funktionsapproximation etc av en modell.

34) När ska man använda ensemble learning?

Ensemble learning används när du bygger komponentklassificerare som är mer exakta och oberoende av varandra.

35) Vilka är de två paradigmen för ensemblemetoder?

De två paradigmen för ensemblemetoder är

RELATERADE ARTIKLAR

  • Sekventiella ensemblemetoder
  • Parallella ensemblemetoder

36) Vad är den allmänna principen för en ensemblemetod och vad är bagging och boosting in ensemblemetod?

Den allmänna principen för en ensemblemetod är att kombinera förutsägelserna från flera modeller byggda med en given inlärningsalgoritm för att förbättra robustheten över en enda modell. Bagging är en ensemblemetod för att förbättra instabila uppskattnings- eller klassificeringsscheman. Medan förstärkningsmetoden används sekventiellt för att minska den kombinerade modellens bias. Både Boosting och Bagging kan minska fel genom att minska variansen.

37) Vad är bias-variansuppdelning av klassificeringsfel i ensemblemetod?

Det förväntade felet hos en inlärningsalgoritm kan delas upp i bias och varians. En biasterm mäter hur nära den genomsnittliga klassificeraren som produceras av inlärningsalgoritmen matchar målfunktionen. Varianstermen mäter hur mycket inlärningsalgoritmens förutsägelse fluktuerar för olika träningsuppsättningar.

38) Vad är en inkrementell inlärningsalgoritm i ensemble?

Inkrementell inlärningsmetod är förmågan hos en algoritm att lära sig av ny data som kan vara tillgänglig efter att klassificerare redan har genererats från redan tillgänglig datauppsättning.

39) Vad används PCA, KPCA och ICA till?

PCA (Principal Components Analysis), KPCA (Kärnbaserad Principal Component Analysis) och ICA (Independent Component Analysis) är viktiga funktionsextraktionstekniker som används för dimensionalitetsreduktion.

40) Vad är dimensionsreduktion i maskininlärning?

Inom maskininlärning och statistik är dimensionsreduktion processen att minska antalet slumpvariabler som övervägs och kan delas in i funktionsval och funktionsextraktion.

41) Vad är stödvektormaskiner?

Stödvektormaskiner är övervakade inlärningsalgoritmer som används för klassificering och regressionsanalys.

42) Vilka är komponenterna i relationsutvärderingstekniker?

De viktiga komponenterna i relationella utvärderingstekniker är

  • Data Acquisition
  • Ground Truth Acquisition
  • Korsvalideringsteknik
  • Frågestyp
  • Poängmått
  • Signifikanstest

43) Vilka är de olika metoderna för sekventiellt övervakat lärande?

De olika metoderna för att lösa Sequential Supervised Learning-problem är

  • Metoder med skjutfönster
  • Återkommande skjutfönster
  • Dolda Markow-modeller
  • Maximal entropi Markow-modeller
  • Villkorliga slumpmässiga fält
  • Graftransformatornätverk

44) Vilka är de områden inom robotik och informationsbehandling där problem med sekventiell förutsägelse uppstår?

De områden inom robotik och informationsbehandling där problem med sekventiell förutsägelse uppstår är

  • Imitationsinlärning
  • Strukturerad förutsägelse
  • Modellbaserad förstärkningsinlärning

45) Vad är batch statistisk inlärning?

Statistiska inlärningstekniker tillåter inlärning av en funktion eller prediktor från en uppsättning observerade data som kan göra förutsägelser om osynliga eller framtida data. Dessa tekniker ger garantier för prestandan hos den inlärda prediktorn på framtida osynliga data baserat på ett statistiskt antagande om datagenereringsprocessen.

46) Vad är PAC Learning?

PAC-inlärning (Probably Approximately Correct) är ett lärande ramverk som har introducerats för att analysera inlärningsalgoritmer och deras statistiska effektivitet.

47) Vilka är de olika kategorierna du kan kategorisera sekvensinlärningsprocessen?

  • Sekvensförutsägelse
  • Sekvensgenerering
  • Sekvensigenkänning
  • Sekventiella beslut

48) Vad är sekvensinlärning?

Sekvensinlärning är en metod för att lära och lära på ett logiskt sätt.

49) Vilka är två tekniker för maskininlärning?

De två teknikerna för maskininlärning är

  • Genetisk programmering
  • Induktivt lärande

50) Ge en populär tillämpning av maskininlärning som du ser dagligen?

Rekommendationsmotorn som implementeras av stora e-handelswebbplatser använder Machine Learning.

Dessa intervjufrågor kommer också att hjälpa dig i din viva (orals)

Du kanske gillar: