线性回归与特征缩放

Question

以下是几个问题，我无法找出我错了。我添加了图片的屏幕截图，并解释了我所理解的每个选项。问题纯粹是基于讨论和简短。请帮帮我。

在下面的问题中，我检查了

答:我们需要预测作者的性别，可以是男性，也可以是女性。我认为这是分类问题，所以它是监督学习。

我们已经给出了一组垃圾邮件，需要预测是否存在垃圾邮件的子类型。我认为这是分类问题，所以它是监督学习。

我们需要根据身高和年龄来预测数据。这是一个线性回归问题，因为我们创建图的高度与年龄将找到测试用例。它是有监督的学习。

分组数据是一个聚类问题，因此它没有监督学习。

在下面的问题中，我检查了C和D选项，因为特征缩放会在相同的范围内创建数据集，这有助于在较少的迭代中预测最佳θ，轮廓图将更加清晰和对称。参考文献：https://medium.com/greyatom/why-how-and-when-to-scale-your-features-4b30ab09db5e

Answer 1

对于第一个问题，我认为B不是一个监督学习问题。你已经收到了垃圾邮件。您需要对它们进行分析，以确定是否存在子类型(集群)。

对于第二个问题，它只是B。缩放并不能使每一步计算成本降低。计算量也是一样的。