Q75 — AWS AIF-C01 第2章

第 75/100 题 | ← 返回第2章

一家鱼呀产公司想要建立一个ML模型,根据各种因素预测住宅物展的销售价格。这些因素包括掉置、击小、卧室归量和设施。曾种ML技术将满足这一要求?

正确答案: D. 回归

解析

解析如下: A. 分类是将输入数据划分到离散类别的任务,如将图像分类为猫或狗。但本例需要预测连续的销售价格值,不适合分类任务。 B. 聚类是将相似的数据点划分到不同簇或组中,是一种无监督学习技术。本例中需要学习输入特征与连续的目标变量(销售价格)之间的映射关系,而非将数据划分为簇。 C. 强化学习是让代理学习通过与环境交互来最大化奖励的技术,通常应用于决策序列中。本例中不涉及决策与环境交互,因此不适合强化学习。 D. 回归是预测连续值输出的监督学习技术。给定一组房地产特征作为输入,我们希望模型预测连续的销售价格值作为输出,这正是回归任务的目标。回归可以学习输入特征与目标变量之间的映射关系。 因此,对于这个根据多个特征预测房地产销售价格的问题,回归是最合适的机器学习技术。常用的回归算法包括线性回归、决策树回归、随机森林回归等