重慶財經(jīng)學院《機器學習綜合實踐》2021-2022學年期末試卷_第1頁
重慶財經(jīng)學院《機器學習綜合實踐》2021-2022學年期末試卷_第2頁
重慶財經(jīng)學院《機器學習綜合實踐》2021-2022學年期末試卷_第3頁
重慶財經(jīng)學院《機器學習綜合實踐》2021-2022學年期末試卷_第4頁
全文預覽已結(jié)束

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

裝訂線裝訂線PAGE2第1頁,共3頁重慶財經(jīng)學院《機器學習綜合實踐》2021-2022學年期末試卷院(系)_______班級_______學號_______姓名_______題號一二三總分得分批閱人一、單選題(本大題共20個小題,每小題2分,共40分.在每小題給出的四個選項中,只有一項是符合題目要求的.)1、機器學習中,正則化的目的是()A.增加模型復雜度B.減少模型復雜度C.提高模型精度D.降低計算成本2、以下哪種方法常用于模型選擇中的超參數(shù)調(diào)優(yōu)?()A.網(wǎng)格搜索B.隨機搜索C.以上都是D.以上都不是3、以下哪種方法可以用于特征工程?()A.特征縮放B.特征編碼C.特征選擇D.以上都是4、樸素貝葉斯分類器假設特征之間是()A.相互獨立的B.線性相關的C.非線性相關的D.完全依賴的5、以下哪種模型對異常值比較敏感?()A.線性回歸B.決策樹C.嶺回歸D.Lasso回歸6、以下哪種方法可以用于提高模型的魯棒性?()A.數(shù)據(jù)增強B.模型融合C.正則化D.以上都是7、以下哪種模型可以處理非線性關系?()A.線性回歸B.決策樹C.邏輯回歸D.以上都不是8、在回歸問題中,R平方值越接近(),模型越好。A.0B.0.5C.1D.-19、在深度學習中,循環(huán)神經(jīng)網(wǎng)絡(RNN)的變體不包括()A.長短期記憶網(wǎng)絡(LSTM)B.門控循環(huán)單元(GRU)C.卷積神經(jīng)網(wǎng)絡(CNN)D.以上都是10、機器學習中,生成式模型包括()A.樸素貝葉斯B.隱馬爾可夫模型C.以上都是D.以上都不是11、以下哪種方法可以用于處理數(shù)據(jù)中的缺失值?()A.多重插補B.熱卡填充C.以上都是D.以上都不是12、在異常檢測中,基于密度的方法不包括()A.局部異常因子(LOF)B.孤立森林C.K-MeansD.以上都是13、在聚類算法中,DBSCAN算法的特點是()A.可以發(fā)現(xiàn)任意形狀的聚類B.對噪聲不敏感C.不需要指定聚類數(shù)量D.以上都是14、以下哪個是自然語言處理中的句法分析任務?()A.分析句子的語法結(jié)構(gòu)B.理解句子的語義C.生成句子D.翻譯句子15、以下哪種方法可以用于處理數(shù)據(jù)不平衡問題?()A.過采樣B.欠采樣C.生成對抗網(wǎng)絡D.以上都是16、機器學習中,模型融合的方法不包括()A.平均法B.投票法C.隨機選擇D.加權平均法17、以下哪種模型對異常值比較敏感?()A.決策樹B.線性回歸C.K-Means聚類D.支持向量機18、以下哪種方法可以用于模型融合?()A.平均法B.投票法C.加權平均法D.以上都是19、在決策樹剪枝中,預剪枝是基于()來決定是否停止分裂。A.節(jié)點純度B.節(jié)點數(shù)量C.計算復雜度D.以上都是20、在分類問題中,ROC曲線越靠近左上角,說明模型()A.性能越好B.性能越差C.不穩(wěn)定D.過擬合二、簡答題(本大題共4個小題,共40分)1、(本題10分)簡述在社交網(wǎng)絡分析中,機器學習的作用。2、(本題10分)機器學習中如何訓練深度神經(jīng)網(wǎng)絡?3、(本題10分)機器學習在影視制作中的特效生成是如何實現(xiàn)的?4、(本題10分)談談在環(huán)境保護中,機器學習的作用。三、應用題

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論