原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
人工智能算法工程师面试题(某大型集团公司)试题集详解
面试问答题（共20题）
第一题：
请简述机器学习中的监督学习与非监督学习的区别，并给出各自的典型应用场景。
答案解析：
非监督学习（UnsupervisedLearning）则恰恰相反，在于训练模型时没有明确的有监督标记。相反，输入到非监督算法中只有数据集，它需要通过探索数据的结构或分布来识别底层模式或分类。常见的非监督学习应用包括数据分析、聚类分析（例如客户分类）、降维技术（如主成分分析,PCA）等。
以下是监督学习与非监督学习的一些典型应用场景示例：
监督学习典型场景：
垃圾邮件检测：通过标注的邮件数据集，训练出能区分正常与垃圾邮件
文档评论（0）