13）你对超参数的理解是什么？
在机器学习中，超参数是决定和控制整个训练过程的参数。这些参数的示例包括学习率、隐藏层、隐藏单元、激活函数等。这些参数是模型的外部参数。选择好的超参数可以产生更好的算法。
14）解释隐马尔可夫模型。
隐马尔可夫模型是一种统计模型，用于表示一系列观察值的概率分布。在隐马尔可夫模型中，hidden定义了一个属性，它假设在特定时间生成的过程的状态对观察者是隐藏的，而Markov定义了它假设该过程满足Markov属性。 HMM 模型主要用于时态数据。
HMM 用于各种应用，例如强化学习、时间模式识别等。
15) 什么是强人工智能，它与弱人工智能有何不同？
强人工智能：强人工智能是指人工创造真正的智能，即具有与人类类似的情感、自我意识和情感的人造智能。它仍然是一个假设，其概念是构建具有与人类类似的思考、推理和决策能力的人工智能代理。
弱人工智能：弱人工智能是人工智能当前的发展阶段，涉及创建可以帮助人类并解决现实世界复杂问题的智能代理和机器。 Siri 和 Alexa 是弱人工智能程序的例子。
16）简单介绍一下人工智能中的图灵测试？
图灵测试是人工智能领域流行的智能测试之一。图灵测试是艾伦·图灵在1950年提出的。这是一个测试机器是否可以像人类一样思考的测试。根据这项测试，计算机只有在某些特定条件下能够模仿人类的反应，才能被称为智能计算机。在这个测试中，涉及三个玩家，第一个玩家是计算机，第二个玩家是人类应答者，第三个玩家是人类询问者，询问者需要根据问题找出哪个响应是来自机器的和答案。
17）什么是过度拟合？机器学习中如何克服这个问题？
当机器学习算法尝试捕获所有数据点并因此也捕获噪声时，模型中就会发生过度拟合。由于这种过度拟合问题，该算法显示出较低的偏差，但输出的方差较高。过度拟合是机器学习中的主要问题之一。
避免机器学习中过度拟合的方法：
- 交叉验证
- 使用更多数据进行训练
- 正则化
- 删除不必要的功能
- 提前停止训练。
18）告诉一种避免神经网络过度拟合的技术？
Dropout 技术： dropout 技术是避免神经网络模型过度拟合的流行技术之一。这是正则化技术，在训练过程中随机选择的神经元被丢弃。