《機(jī)器學(xué)習(xí)-Python實(shí)踐》試卷及答案 卷8

第1頁，共1頁一、單項(xiàng)選擇題（本大題共10小題，每題3分，共30分）試卷（試卷（學(xué)年第1學(xué)期）考試科目機(jī)器學(xué)習(xí)-Python實(shí)踐（A卷）適用專業(yè)班級(jí)（年級(jí)）得分命題人：審閱人：班級(jí)學(xué)號(hào)姓名考試科目裝訂線1、產(chǎn)量（X，臺(tái)）與單位產(chǎn)品成本（y,元/臺(tái)）之家你的回歸方程為y=356-1.5x，這說明（）A。產(chǎn)量每增加一臺(tái)，單位產(chǎn)品成本增加356元B。產(chǎn)品每增加一臺(tái)，單位產(chǎn)品的成本減少1.5元C.產(chǎn)量每增加一臺(tái)，單位產(chǎn)品的成本平均增加356元D。產(chǎn)量每增加一臺(tái)，單位產(chǎn)品成本平均減少1.5元2、直線方程y=wx+b,其中b表示（）A.系數(shù)B截距C.斜率D權(quán)重3、以下描述中，對(duì)梯度解釋正確的是（多選）（）A梯度是一個(gè)向量，有方向有大小B求梯度就是對(duì)梯度向量的各個(gè)元素求偏導(dǎo)C梯度只有大小沒有方向D梯度只有方向沒有大小4、關(guān)于誤差ε的說法正確的是（多選）（）A誤差可以看做隨機(jī)比變量B誤差的概率分布符合正態(tài)分布C誤差的概率分布符合均勻分布D如果模型設(shè)計(jì)優(yōu)良，誤差可以避免5、標(biāo)準(zhǔn)差與方差的關(guān)系是（多選）（）A標(biāo)準(zhǔn)差是方差的算術(shù)平方根B標(biāo)準(zhǔn)差可以反映離散程度，也可以反映出樣本的量綱C方差只能反映離散程度D標(biāo)準(zhǔn)差的平方是方差6、SVM中的核技巧（Kernaltrick）的作用包括以下哪項(xiàng)？（）A.特征升維B.特征降維C.防止過擬合D.處理離散數(shù)據(jù)7、在數(shù)據(jù)預(yù)處理階段，我們常常對(duì)數(shù)值特征進(jìn)行歸一化或標(biāo)準(zhǔn)化 (standardization,normalization)處理。這種處理方式理論上不會(huì)對(duì)下列 哪個(gè)模型產(chǎn)生很大影響？（）A.k-MeansB.k-NNC.決策樹D.譜聚類8、下面哪個(gè)激活函數(shù)在圖像分類中不能作為輸出層？（）

A.sigmoid

B.Tanh

C.ReLU

D.If(x>5,1,0)

9、使用batchnormalization可以解決以下哪一個(gè)神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的 問題？

（）

A.防止梯度消失

B.防止激活過高或者過低

C.網(wǎng)絡(luò)訓(xùn)練太慢

D.B和C10、感知器不包括下面那個(gè)結(jié)構(gòu)：（）A.輸入層B.隱藏層C．輸出層D．計(jì)算層二、判斷題（本大題共10小題，每題1分，共10分）1、預(yù)剪枝是在決策樹生成過程中，對(duì)樹進(jìn)行剪枝，提前結(jié)束樹的分支 生長(zhǎng)。（）2、決策樹的剪枝基本策略有預(yù)剪枝(Pre-Pruning)和后剪枝。（）3、常見的決策樹算法是ID3,C4.5，CART樹。（）4、決策樹的剪枝是為了簡(jiǎn)化決策樹模型，避免過擬合。（）5、最小二乘法（又稱最小平方法）是一種數(shù)學(xué)優(yōu)化技術(shù)。它通過最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配。（）6、樸素貝葉斯（分類器）是一種生成模型，它會(huì)基于訓(xùn)練樣本對(duì)每個(gè)可能的類別建模。（）7、P(A|B)表示事件B已經(jīng)發(fā)生的前提下，事件A發(fā)生的概率，叫做事件B發(fā)生下事件A的條件概率。（）8、Boosting：串行，各個(gè)及學(xué)習(xí)器順序生成，因?yàn)楹笠粋€(gè)模型參數(shù)依賴于前一輪模型的預(yù)測(cè)結(jié)果。（）9、Bagging：各個(gè)學(xué)習(xí)器可以并行生成。（）10、Adaboost采用迭代的思想，繼承了Boosting算法，每次迭代只訓(xùn)練一個(gè)弱學(xué)習(xí)器，訓(xùn)練好的弱學(xué)習(xí)器將參與下一次迭代。（）三、填空（本大題共10小題，每題3分，共30分）1、在某些情況下，我們會(huì)討論坐標(biāo)超過兩維的數(shù)組。一般地，一個(gè)數(shù)組中的元素分布在若干維坐標(biāo)的規(guī)則網(wǎng)格中，我們將其稱之為。2、回歸常用評(píng)估方法：，，。3、信息越有序，信息熵越。4、訓(xùn)練用到的每個(gè)樣本叫。5、模型沒有很好地捕捉到數(shù)據(jù)特征，不能夠很好地?cái)M合數(shù)據(jù)叫。6、提取出的正確信息條數(shù)/提取出的信息條數(shù)是。7、回歸問題對(duì)數(shù)值型連續(xù)隨機(jī)變量進(jìn)行預(yù)測(cè)和建模的監(jiān)督學(xué)習(xí)算法?；貧w往往會(huì)通過計(jì)算來確定模型的精確性。8、AdaBoost很好的利用了進(jìn)行級(jí)聯(lián)。9、AdaBoost可以將不同的作為弱分類器。10、AdaBoost具有很高的精度；相對(duì)于和，AdaBoost充分考慮的每個(gè)分類器的權(quán)重。四、簡(jiǎn)答題（本大題共3小題，共30分）1、SVM、LR、決策樹的對(duì)比？2、樸素貝葉斯的特點(diǎn)是？3、討論目前機(jī)器學(xué)習(xí)應(yīng)用中存在的主要問題？一、選擇題1.D 2.B 3.AB 4.AB 5.ABC 6.C 7.C 8.D 9.A 10.D二、判斷題1.對(duì) 2.對(duì) 3.對(duì) 4.對(duì) 5.對(duì) 6.對(duì) 7.對(duì) 8.對(duì) 9.對(duì) 10.對(duì) 三、填空題1.張量 2.平均誤差絕對(duì)值誤差R2 3.低 4.訓(xùn)練樣本 5.欠擬合 6.正確率 7.誤差（Error) 8.弱分類器 9.分類算法 10.bagging算法RandomForest算法四、簡(jiǎn)答題1、模型復(fù)雜度：SVM支持核函數(shù)，可處理線性非線性問題;LR模型簡(jiǎn)單，訓(xùn)練速度快，適合處理線性問題;決策樹容易過擬合，需要進(jìn)行剪枝。損失函數(shù)：SVMhingeloss;LRL2正則化;Adaboost指數(shù)損失。數(shù)據(jù)敏感度：SVM添加容忍度對(duì)outlier不敏感，只關(guān)心支持向量，且需要先做歸一化;LR對(duì)遠(yuǎn)點(diǎn)敏感。數(shù)據(jù)量：數(shù)據(jù)量大就用LR，數(shù)據(jù)量小且特征少就