機器學習基礎智慧樹知到課后章節(jié)答案2023年下太原理工大學

機器學習基礎智慧樹知到課后章節(jié)答案2023年下太原理工大學太原理工大學

第一章測試

樣本是連續(xù)型數據且有標簽，我們采用（）進行機器學習。

A:嵌入算法B:分類算法C:回歸算法D:聚類算法

答案:回歸算法

在機器學習中，樣本常被分成（）。

A:評估集B:測試集C:其它選項都有D:訓練集

答案:其它選項都有

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:錯

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:錯

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:對B:錯

答案:對

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:對

K近鄰算法中數據可以不做歸一化，因為是否歸一化對結果影響不大。（）

A:對B:錯

答案:錯

K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:錯

在上面圖中，K=5，綠色樣本的類別是（）。

A:藍色正方形B:綠色圓形C:紅色三角形D:不能確定

答案:藍色正方形

在K近鄰算法中，K的選擇是（）？

A:越小越好B:越大越好C:與樣本有關D:其它都不正確

答案:與樣本有關

第三章測試

下列（）中兩個變量之間的關系是線性的。

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

答案:重力和質量

下列說法不正確的是（）。

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

答案:回歸就是數據擬合

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:60.316kgC:小于60.316kgD:大于60.316kg

答案:60.316kg

lasso中采用的是L2正則化。（）

A:對B:錯

答案:錯

線性回歸中加入正則化可以降低過擬合。（）

A:對B:錯

答案:對

第四章測試

以下說法正確的是（）。

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

答案:logistic回歸的樣本屬性是連續(xù)型數據

logistic回歸只能用于二分類問題。（）

A:錯B:對

答案:錯

logistic回歸中也可以用正則化方法來防止過擬合。（）

A:對B:錯

答案:對

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:

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:;

第五章測試

以下關于梯度下降算法說法正確的是（）。

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

答案:學習率的選取會影響梯度下降算法的求解速度

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:對B:錯

答案:對

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:錯B:對

答案:對

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。（）

A:錯B:對

答案:錯

隨機梯度下降中每次迭代使用一個樣本的梯度。（）

A:錯B:對

答案:對

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:取值少的屬性應放在上層C:信息增益大的屬性應放在上層D:取值多的屬性應放在上層

答案:信息增益大的屬性應放在上層

哪些情況下必須停止樹的增長（）

A:當前數據子集的標簽一致B:當前數據子集為空C:當前訓練誤差已經較低D:沒有更多可用屬性

答案:當前數據子集的標簽一致;當前數據子集為空;當前訓練誤差已經較低;沒有更多可用屬性

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:可以防止過擬合

決策樹模型中如何處理連續(xù)型屬性（）。

A:根據信息增益選擇閾值進行離散化B:隨機選擇數據標簽發(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:根據信息增益選擇閾值進行離散化

下面哪個可能是決策樹的決策邊界()。

A:B:C:D:

答案:

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

答案:弱學習器通常會過擬合

給定數據集及弱分類器如上圖，回答問題：初始樣本的權重為（）。

A:0.1B:0.5C:1D:其它都不對

答案:0.1

給定數據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:C:任何一個都可以D:

答案:;

給定數據集及弱分類器如上圖，回答問題：

經過一次迭代，第一個弱學習器的權重為（）。

A:0.4236B:0.6496C:0.3D:其它都不對

答案:0.4236

給定數據集及弱分類器如上圖，回答問題：經過一次迭代，錯誤分類的樣本權重更新為（）。

A:B:C:其它都不對D:

答案:

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:

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:

現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:對B:錯

答案:對

上圖中，長方形框中的樣本松弛變量的值為（）。

A:等于1B:大于1C:大于0，小于1D:等于0

答案:大于1

上圖中哪個超平面泛化能力更強（）。

A:AB:BC:A、B一樣D:其它都不對

答案:A

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:1.48%B:10%C:6.67%D:無法確定

答案:1.48%

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:1或者-1都可以C:1D:無法確定

答案:-1

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:6.67%C:10%D:1.48%

答案:10%

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:對

樸素貝葉斯是概率模型。（）

A:對B:錯

答案:對

第十章測試

以下對經典K-means聚類算法解釋正確的是（）

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

答案:不能自動識別類的個數，隨機挑選初始點為中心點計算

以下是一組用戶的年齡數據，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:1

以下是一組用戶的年齡數據，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:不能計算C:原質心16的類D:原質心22的類

答案:原質心22的類

以下是一組用戶的年齡數據，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:2C:5D:1

答案:3

以下是一組用戶的年齡數據，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:15.33B:36.25C:15D:17.2

答案:15.33

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:對B:錯

答案:對

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:錯

根據上面交易記錄，回答問題：2級頻繁項集有（）。

A:橙汁，豆奶B:尿布，橙汁C:豆奶，葡萄酒D:尿布，豆奶

答案:尿布，豆奶

根據上面交易記錄，回答問題：規(guī)則“豆奶->萵苣”的可信度是（）。

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

答案:3/4

根據上面交易記錄，回答問題：“豆奶”的支持度是（）。

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

答案:4/5

第十二章測試

下列關于主成分分析法(PCA)說法錯誤的是?（）

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

答案:要選出方差最小的作為主成分

主成分分析是一個線性變化，就是把數據變換到一個新的坐標系統中。（）

A:錯B:對

答案:對

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:其它結果都不對C:D:

答案:

假設有五條樣本，屬性是二維，樣本數據為：請回答以下問題：協方差矩陣為（）。

A:B:C:其它結果都不對

D:

答案:

假設有五條樣本，屬性是二維，樣本數據為：請回答以下問題：進行中心化后的結果為（）。

A:B:C:D:其它結果都不對

答案:

第十三章測試

以下說法中錯誤的是（）。

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