機器學習基礎智慧樹知到答案2024年太原理工大學

機器學習基礎太原理工大學智慧樹知到答案2024年第一章測試

樣本是連續(xù)型數(shù)據(jù)且有標簽，我們采用（）進行機器學習。

A:分類算法B:嵌入算法C:回歸算法D:聚類算法

答案:C在機器學習中，樣本常被分成（）。

A:評估集B:訓練集C:測試集D:其它選項都有

答案:D機器學習算法需要顯示編程，具備歸納、總結等自學習能力。（）

A:對B:錯

答案:B機器學習和人工智能、深度學習是一個概念，都是指機器模仿人類推理、學習能力。（）

A:錯B:對

答案:A特征工程非常重要，在采用機器學習算法前，首先需要利用特征工程確定樣本屬性。（）

A:錯B:對

答案:B

第二章測試

K近鄰算法認為距離越近的相似度越高。（）

A:對B:錯

答案:AK近鄰算法中數(shù)據(jù)可以不做歸一化，因為是否歸一化對結果影響不大。（）

A:對B:錯

答案:BK近鄰算法中采用不同的距離公式對于結果沒有影響。（）

A:錯B:對

答案:A在上面圖中，K=5，綠色樣本的類別是（）。

A:藍色正方形B:紅色三角形C:綠色圓形D:不能確定

答案:A在K近鄰算法中，K的選擇是（）？

A:與樣本有關B:越小越好C:越大越好D:其它都不正確

答案:A

第三章測試

下列（）中兩個變量之間的關系是線性的。

A:貓的皮毛顏色和體重B:女兒的身高和父親的體重C:人的工作環(huán)境和健康狀況D:重力和質量

答案:D下列說法不正確的是（）。

A:回歸用于預測輸入變量和輸出變量之間的關系B:線性回歸模型也可以解決線性不可分的情況C:回歸就是數(shù)據(jù)擬合D:回歸分析就是研究兩個事物的相關性

答案:C從某大學隨機選擇8名女大學生，其身高x(cm)和體重y(kg)的回歸方程是y=0.849x-85.712，則身高172cm的女大學生，預測體重為（）。

A:其它都不正確B:小于60.316kgC:60.316kgD:大于60.316kg

答案:Classo中采用的是L2正則化。（）

A:對B:錯

答案:B線性回歸中加入正則化可以降低過擬合。（）

A:對B:錯

答案:A

第四章測試

以下說法正確的是（）。

A:logistic回歸的樣本屬性是連續(xù)型數(shù)據(jù)B:logistic回歸是回歸模型C:logistic回歸只能處理線性可分問題D:logistic回歸和線性回歸是相同的

答案:Alogistic回歸只能用于二分類問題。（）

A:錯B:對

答案:Alogistic回歸中也可以用正則化方法來防止過擬合。（）

A:對B:錯

答案:A考慮一個有兩個屬性的logistic回歸問題。假設，則分類決策平面是（）。

A:B:C:D:

答案:A假設訓練了一個logistic回歸分類器，對于一個樣本我們有，則該式說明（）。

A:B:C:D:

答案:AD

第五章測試

以下關于梯度下降算法說法正確的是（）。

A:計算預測值和真實值之間的誤差B:梯度下降算法是計算目標函數(shù)的最大值C:如果目標函數(shù)梯度不存在就無法用梯度下降算法D:學習率的選取會影響梯度下降算法的求解速度

答案:D隨機梯度下降導致方向變化過大，不能很快收斂到最優(yōu)解。（）

A:錯B:對

答案:B小批量梯度下降是結合了批量梯度下降和隨機梯度下降，性能比批量梯度下降和隨機梯度下降都好。（）

A:對B:錯

答案:A批量梯度下降是最原始的形式，它是指在每一次迭代時使用一部分樣本的梯度來更新參數(shù)。（）

A:對B:錯

答案:B隨機梯度下降中每次迭代使用一個樣本的梯度。（）

A:對B:錯

答案:A

第六章測試

決策樹模型中建樹的基本原則是（）。

A:應利用盡可能多的屬性B:信息增益大的屬性應放在上層C:取值多的屬性應放在上層D:取值少的屬性應放在上層

答案:B哪些情況下必須停止樹的增長（）

A:當前數(shù)據(jù)子集的標簽一致B:當前訓練誤差已經(jīng)較低C:沒有更多可用屬性D:當前數(shù)據(jù)子集為空

答案:ABCD關于決策樹剪枝操作正確的描述是（）。

A:可以防止過擬合B:用測試集來進行剪枝C:后剪枝優(yōu)于預剪枝D:可以有效降低訓練誤差

答案:A決策樹模型中如何處理連續(xù)型屬性（）。

A:根據(jù)信息增益選擇閾值進行離散化B:隨機選擇數(shù)據(jù)標簽發(fā)生變化的位置進行離散化C:直接忽略D:利用固定閾值進行離散化

答案:A下面哪個可能是決策樹的決策邊界()。

A:B:C:D:

答案:C

第七章測試

下面對集成學習模型中的弱學習器描述錯誤的是？（）

A:弱學習器經(jīng)常不會過擬合B:弱學習器通常會過擬合C:弱學習器通常帶有高偏差，所以其并不能解決復雜學習問題D:弱學習器可以通過集成變成強學習器

答案:B給定數(shù)據(jù)集及弱分類器如上圖，回答問題：初始樣本的權重為（）。

A:其它都不對B:0.1C:1D:0.5

答案:B給定數(shù)據(jù)集及弱分類器如上圖，回答問題：第一次迭代選擇的分類器是（

）。

A:B:任何一個都可以C:D:

答案:CD給定數(shù)據(jù)集及弱分類器如上圖，回答問題：

經(jīng)過一次迭代，第一個弱學習器的權重為（）。

A:0.4236B:0.6496C:其它都不對D:0.3

答案:A給定數(shù)據(jù)集及弱分類器如上圖，回答問題：經(jīng)過一次迭代，錯誤分類的樣本權重更新為（）。

A:B:C:其它都不對D:

答案:D

第八章測試

下列選項中，對于硬間隔支持向量機，超平面應該是（）。

A:B:C:D:

答案:B下列選項中，對于軟間隔支持向量機，超平面應該是（）。

A:B:C:D:

答案:D現(xiàn)有一個能被正確分類且遠離超平面的樣本，如果將其刪除，不會影響超平面的選擇。（）

A:錯B:對

答案:B上圖中，長方形框中的樣本松弛變量的值為（）。

A:大于1B:等于1C:大于0，小于1D:等于0

答案:A上圖中哪個超平面泛化能力更強（）。

A:BB:AC:A、B一樣D:其它都不對

答案:B

第九章測試

訓練樣本如下，其中和

是特征，取值的集合為A1={1,2,3}和

A2={S,M,L}，C是類標記，取值為{-1,1}，回答如下問題：采用樸素貝葉斯算法，樣本屬于

1的概率為：()

A:10%B:1.48%C:無法確定D:6.67%

答案:B訓練樣本如上，其中和是特征，取值的集合為A1={1,2,3}和

A2={S,M,L}，C是類標記，取值為{-1,1}，回答如下問題：采用樸素貝葉斯算法，確定的分類為：()

A:-1B:1C:1或者-1都可以D:無法確定

答案:A訓練樣本如上，其中和是特征，取值的集合為A1={1,2,3}和

A2={S,M,L}，C是類標記，取值為{-1,1}，回答如下問題：采用樸素貝葉斯算法，樣本屬于

-1的概率為：()

A:無法確定B:1.48%C:6.67%D:10%

答案:D樸素貝葉斯的基本假設是屬性之間是相互獨立的。（）

A:對B:錯

答案:A樸素貝葉斯是概率模型。（）

A:對B:錯

答案:A

第十章測試

以下對經(jīng)典K-means聚類算法解釋正確的是（）

A:不能自動識別類的個數(shù)，隨機挑選初始點為中心點計算B:能自動識別類的個數(shù)，隨機挑選初始點為中心點計算C:能自動識別類的個數(shù)，不能隨機挑選初始點為中心點計算D:不能自動識別類的個數(shù)，不能隨機挑選初始點為中心點計算

答案:A以下是一組用戶的年齡數(shù)據(jù)，將K值定義為2對用戶進行聚類。并隨機選擇16和22作為兩個類別的初始質心，回答以下問題：

［15，15，16，19，19，20，20，21，22，28，35，40，41，42，43，44，60，61，65］

第一次迭代中，樣本“15”到質心16的距離是（）

A:1B:3C:6D:0

答案:A以下是一組用戶的年齡數(shù)據(jù)，將K值定義為2對用戶進行聚類。并隨機選擇16和22作為兩個類別的初始質心，回答以下問題：

［15，15，16，19，19，20，20，21，22，28，35，40，41，42，43，44，60，61，65］

第一次迭代結束后，樣本20的分類為（）

A:都不屬于B:原質心16的類C:原質心22的類D:不能計算

答案:C以下是一組用戶的年齡數(shù)據(jù)，將K值定義為2對用戶進行聚類。并隨機選擇16和22作為兩個類別的初始質心，回答以下問題：

［15，15，16，19，19，20，20，21，22，28，35，40，41，42，43，44，60，61，65］

第一次迭代結束后，原質心16的類包含（）個樣本。

A:3B:5C:2D:1

答案:A以下是一組用戶的年齡數(shù)據(jù)，將K值定義為2對用戶進行聚類。并隨機選擇16和22作為兩個類別的初始質心，回答以下問題：

［15，15，16，19，19，20，20，21，22，28，35，40，41，42，43，44，60，61，65］

第一次迭代結束后，原質心16更新后的質心是（）。

A:36.25B:15.33C:15D:17.2

答案:B

第十一章測試

如果某個項集是頻繁的，那么它的所有子集也是頻繁的。（）

A:錯B:對

答案:B如果某個項集是頻繁的，那么它的所有超集也是頻繁的。（）

A:錯B:對

答案:A根據(jù)上面交易記錄，回答問題：2級頻繁項集有（）。

A:尿布，橙汁B:豆奶，葡萄酒C:橙汁，豆奶D:尿布，豆奶

答案:D根據(jù)上面交易記錄，回答問題：規(guī)則“豆奶->萵苣”的可信度是（）。

A:4/4B:1C:3/5D:3/4

答案:D根據(jù)上面交易記錄，回答問題：“豆奶”的支持度是（）。

A:3/5B:2/5C:1D:4/5

答案:D

第十二章測試

下列關于主成分分析法(PCA)說法錯誤的是?（）

A:要選出方差最小的作為主成分B:主成分分析法可用于低維數(shù)據(jù)的可視化處理C:進行主成分分析之前要對數(shù)據(jù)進行中心化D:要選出方差最大的作為主成分

答案:A主成分分析是一個線性變化，就是把數(shù)據(jù)變換到一個新的坐標系統(tǒng)中。（）

A:對B:錯

答案:A假設將原矩陣降維到一維，采用的特征向量為，則映射后的結果為（）。

A:B:C:D:其它結果都不對

答案:B假設有五條樣本，屬性是二維，樣本數(shù)據(jù)為：請回答以下問題：協(xié)方差矩陣為（）。

A:其它結果都不對

B:C:D:

答案:C假設有五條樣本，屬性是二維，樣本數(shù)據(jù)為：請回答以下問題：進行中心化后的結果為（）。

A:B:其它結果都不對C:D:

答案:C

第十三章測試

以下說法中錯誤的是（）。

A:正定矩陣的特征值即為奇異值B:ATA的特征值的平方根即為A的奇異值C:負定矩陣的