蚂蚁 国际事业群测开一面

想象你是一个烘焙师傅，想要制作一个蛋糕。你需要调整蛋糕的甜度、香味和口感，以确保它味道正好。你尝试不同的配方，并且根据尝试结果来调整配方，直到你得到了理想的蛋糕。 神经网络就像是你在制作蛋糕的过程中的一种工具。你将不同的配方和烘焙时间输入神经网络，然后观察输出的结果（即蛋糕的口感）。如果口感不理想，你会调整配方，再次尝试。通过不断地调整和尝试，神经网络学会了哪些配方会产生最好的口感。 最终，当你使用了神经网络训练好的配方来制作蛋糕时，你可以期待它会有很好的口感，就像神经网络在面对新数据时能够做出正确的预测一样。

想象你在学校里玩一个猜谜游戏。你想要通过一系列问题来猜出一位历史人物。这就像是使用决策树来解决问题。 首先，你可能问这位历史人物是男性还是女性。如果他是男性，你会问他是不是在过去的100年里活过。如果是，你可能会问他是否是一位政治领袖，以此类推，直到你猜出了正确的人物。 现在，让我们比较一下使用神经网络。这就像是你的朋友给了你一堆历史人物的照片，然后告诉你他们的名字。你开始观察这些照片，注意到某些人的眼睛颜色、头发类型和其他特征。通过观察这些特征，你开始建立起对不同人物的认知，并且能够在看到新照片时做出预测，猜出人物是谁。 所以，决策树是一种逐步提出问题并根据答案做出决策的方法，而神经网络则是通过观察大量数据并学习数据之间的模式来做出预测的方法。

**有监督学习**：就像有老师指导你一样，有监督学习使用带有答案的示例数据来训练模型。这样，模型可以学习如何根据输入数据做出正确的预测或分类。 - 例如，你有一堆已经标记好的图片，每张图片都标注了是猫还是狗。你可以使用这些数据来训练一个模型，让它能够根据新的图片来预测图片中是猫还是狗。 **无监督学习**：就像没有老师指导你一样，无监督学习使用未标记的数据来训练模型。这样，模型会尝试发现数据中的模式或结构，而不需要事先告诉它应该找什么。 - 例如，你有一堆未标记的文章，而你想知道这些文章可以被分成哪些主题。无监督学习可以帮助你自动发现这些主题，而不需要手动给每篇文章打上标签。

测开怎么问机器学习啊，是你简历上有吗

大佬有消息了不