《機器學習-Python實踐》試卷3

第1頁，共1頁一、單項選擇題（本大題共10小題，每題3分，共30分）試卷（2021試卷（2021-2022學年第1學期）考試科目機器學習-Python實踐（A卷）適用專業(yè)班級（年級）得分命題人：審閱人：班級學號姓名考試科目裝訂線1、個人健康和年齡的相關(guān)系數(shù)是-1.09。根據(jù)這個你可以告訴醫(yī)生哪個結(jié)論？（）A.年齡是健康程度很好的預測器B.年齡是健康程度很糟的預測器C.以上說法都不對D：兩者沒關(guān)系2、假如我們利用Y是X的3階多項式產(chǎn)生一些數(shù)據(jù)（3階多項式能很好地擬合數(shù)據(jù)）。那么，下列說法正確的是（多選）？（）A.簡單的線性回歸容易造成高偏差（bias）、低方差（variance）B.簡單的線性回歸容易造成低偏差（bias）、高方差（variance）C.3階多項式擬合會造成低偏差（bias）、高方差（variance）D.3階多項式擬合具備低偏差（bias）、低方差（variance）3、假如你在訓練一個線性回歸模型，有下面兩句話：（）1.如果數(shù)據(jù)量較少，容易發(fā)生過擬合。2.如果假設空間較小，容易發(fā)生過擬合。關(guān)于這兩句話，下列說法正確的是？A.1和2都錯誤B.1正確，2錯誤C.1錯誤，2正確D.1和2都正確4、假如我們使用Lasso回歸來擬合數(shù)據(jù)集，該數(shù)據(jù)集輸入特征有100個（X1，X2，…，X100）。現(xiàn)在，我們把其中一個特征值擴大10倍（例如是特征X1），然后用相同的正則化參數(shù)對Lasso回歸進行修正。那么，下列說法正確的是？（）A.特征X1很可能被排除在模型之外B.特征X1很可能還包含在模型之中C.無法確定特征X1是否被舍棄D.以上說法都不對5、假如使用邏輯回歸對樣本進行分類，得到訓練樣本的準確率和測試樣本的準確率?，F(xiàn)在，在數(shù)據(jù)中增加一個新的特征，其它特征保持不變。然后重新訓練測試。則下列說法正確的是？（）A.訓練樣本準確率一定會降低B.訓練樣本準確率一定增加或保持不變C.測試樣本準確率一定會降低D.測試樣本準確率一定增加或保持不變6、下面這張圖是一個簡單的線性回歸模型,圖中標注了每個樣本點預測值與真實值的殘差。計算SSE（平方誤差和）為多少？（）A.3.02B.0.75C.1.01D.0.6047、關(guān)于“回歸（Regression）”和“相關(guān)（Correlation）”，下列說法正確的是？注意：x是自變量，y是因變量。（）A.回歸和相關(guān)在x和y之間都是互為對稱的B.回歸和相關(guān)在x和y之間都是非對稱的C.回歸在x和y之間是非對稱的，相關(guān)在x和y之間是互為對稱的D.回歸在x和y之間是對稱的，相關(guān)在x和y之間是非對稱的8、關(guān)于AdaBoost，下列說法中正確的是（多選）：（）A.它是一種集成學習算法B.每個分類器的權(quán)重和被它正確分類的樣本的權(quán)重相同C.后一個基學習器要依賴于前一個基學習器的分類錯誤率和樣本的權(quán)重D.后一個基學習器每次只學習前一個基學習器被分錯的樣本9、集成學習策略有哪些（） A．投票法B．平均法C．學習法D．上述都有10、集成學習策略常用于分類的是：（）A．投票法B．平均法C．學習法D．上述都有二、判斷題（本大題共10小題，每題1分，共10分）1、決策樹短時間內(nèi)處理大量數(shù)據(jù)，得到可行且效果較好的結(jié)果。（）樸素貝葉斯適合高維數(shù)據(jù)。（）標量是0階張量。（）協(xié)方差是衡量兩個變量線性相關(guān)性強度及變量尺度。（）聯(lián)合分布可求邊緣分布，但若只知道邊緣分布，無法求得聯(lián)合分布。（）隨機變量可以分為離散型隨機變量和連續(xù)型隨機變量。（）矩陣的L0范數(shù)：矩陣的非0元素的個數(shù)，通常用它來表示稀疏，L0范數(shù)越小0元素越多，也就越稀疏。（）Adaboost算法流程計算該分類器的錯誤率，根據(jù)錯誤率計算要給分類器分配的權(quán)重。（）9、Adaboost算法流程將第一個分類器分錯誤的樣本權(quán)重增加。（）10、Adaboost算法流程然后再用新的樣本權(quán)重訓練數(shù)據(jù)，得到新的分類器。（）三、填空（本大題共10小題，每題3分，共30分）1、一個表示一個單獨的數(shù)，它不同于線性代數(shù)中研究的其他大部分對象（通常是多個數(shù)的數(shù)組）。2、馬式距離的特征則是：。3、p(x|θ)是給定參數(shù)θ的概率分布：。4、基尼指數(shù)（基尼不純度）=*。5、Gini指數(shù)越小表示集合中被選中的樣本被分錯的概率越小，也就是說集合的純度。6、表示在樣本集合中一個隨機選中的樣本被分錯的概率。7、算法在決策樹生成的過程中，用信息增益比來選擇特征。8、聚類結(jié)果評估：分析結(jié)果，如距離誤差和(SSE)等。9、人工神經(jīng)網(wǎng)絡（ArtificialNeuralNetworks，ANNs），也簡稱為神經(jīng)網(wǎng)絡（NNs），是模擬進行信息處理的一種數(shù)學模型，以對大腦的生理研究成果為基礎，其目的在于模擬大腦的某些機理與機制，實現(xiàn)一些特定的功能。10、生物