机器学习笔试题：监督学习与过拟合详解

1. 在机器学习中，什么是监督学习？请给出一个例子并解释。

答案： 监督学习是一种机器学习方法，其目标是通过给定的训练数据来预测未知的输出值。在监督学习中，我们有一组已知的输入和输出，我们的目标是通过这些数据来构建一个模型，以便我们可以预测未来的输出。例如，我们可以使用监督学习来预测股票价格。我们可以将过去几年的股票价格作为训练数据，然后使用这些数据来构建一个模型，以便我们可以预测未来的股票价格。

2. 什么是过拟合？请给出一个例子并解释。

答案： 过拟合是指模型在训练数据上表现非常好，但在测试数据上表现不佳的现象。这通常是因为模型在训练数据上过度拟合，即过度适应了训练数据的噪声和特点，而无法泛化到新数据上。例如，我们可以使用一个多项式函数来拟合一组数据。如果我们使用一个高阶的多项式函数来拟合数据，我们可能会得到一个非常精确的模型，但这个模型可能过度拟合了训练数据，并且无法泛化到新数据上。