機(jī)器學(xué)習(xí)復(fù)習(xí)題及答案

一、單選題1、?下列哪位是人工智能之父？（）A.MarnivLeeMinskyB.HerbertA.SimonC.AllenNewellD.JohnCliffordShaw對的答案：A2、?根據(jù)王玨的理解，下列不屬于對問題空間W的統(tǒng)計描述是（）。A.一致性假設(shè)B.劃分C.泛化能力D.學(xué)習(xí)能力對的答案：D3、?下列描述無監(jiān)督學(xué)習(xí)錯誤的是（）。A.無標(biāo)簽B.核心是聚類C.不需要降維D.含有較好的解釋性對的答案：C4、?下列描述有監(jiān)督學(xué)習(xí)錯誤的是（）。A.有標(biāo)簽B.核心是分類C.全部數(shù)據(jù)都互相獨立分布D.分類因素不透明對的答案：C5、?下列哪種歸納學(xué)習(xí)采用符號表達(dá)方式？（）A.經(jīng)驗歸納學(xué)習(xí)B.遺傳算法C.聯(lián)接學(xué)習(xí)D.強(qiáng)化學(xué)習(xí)對的答案：A6、?混淆矩陣的假正是指（）。A.模型預(yù)測為正的正樣本B.模型預(yù)測為正的負(fù)樣本C.模型預(yù)測為負(fù)的正樣本D.模型預(yù)測為負(fù)的負(fù)樣本對的答案：B7、?混淆矩陣的真負(fù)率公式是為（）。A.TP/(TP+FN)B.FP/(FP+TN)C.FN/(TP+FN)D.TN/(TN+FP)對的答案：D8、?混淆矩陣中的TP=16，F(xiàn)P=12，F(xiàn)N=8，TN=4，精確率是（）。A.1/4B.1/2C.4/7D.4/6對的答案：B9、?混淆矩陣中的TP=16，F(xiàn)P=12，F(xiàn)N=8，TN=4，精確率是（）。?A.1/4B.1/2C.4/7D.2/3對的答案：C10、?混淆矩陣中的TP=16，F(xiàn)P=12，F(xiàn)N=8，TN=4，召回率是（）。A.1/4B.1/2C.4/7D.2/3對的答案：D11、?混淆矩陣中的TP=16，F(xiàn)P=12，F(xiàn)N=8，TN=4，F(xiàn)1-score是（）。A.4/13B.8/13C.4/7D.2/30.00/2.00對的答案：B12、?EM算法的E和M指什么？（）A.Expectation-MaximumB.Expect-MaximumC.Extra-MaximumD.Extra-Max對的答案：A13、?EM算法的核心思想是？（）A.通過不停地求取目的函數(shù)的下界的最優(yōu)值，從而實現(xiàn)最優(yōu)化的目的。B.列出優(yōu)化目的函數(shù)，通過辦法計算出最優(yōu)值。C.列出優(yōu)化目的函數(shù)，通過數(shù)值優(yōu)化辦法計算出最優(yōu)值。D.列出優(yōu)化目的函數(shù)，通過坐標(biāo)下降的優(yōu)化辦法計算出最優(yōu)值。對的答案：A14、?LDA模型的隱變量Z是（）。A.每個詞對應(yīng)的主題B.每篇文檔對應(yīng)的主題C.每段話對應(yīng)的主題D.每個詞組對應(yīng)的主題對的答案：A15、?LDA模型中的一種主題指（）。A.詞集合上的一種概率分布B.詞組集合上的一種概率分布C.整個文檔上的一種概率分布D.整個文檔集合上的一種概率分布對的答案：A16、?SVM算法的性能取決于（）。A.核函數(shù)的選擇B.核函數(shù)的參數(shù)C.軟間隔參數(shù)D.以上全部對的答案：D17、?SVM中的代價參數(shù)C表達(dá)什么？（）A.在分類精確性和模型復(fù)雜度之間的權(quán)衡B.交叉驗證的次數(shù)C.以上都不對D.用到的核函數(shù)對的答案：A18、?下列有關(guān)支持向量機(jī)說法不對的的是（）。A.得到的是局部最優(yōu)解B.含有較好的推廣能力C.是凸二次優(yōu)化問題D.采用構(gòu)造風(fēng)險最小化原理對的答案：A19、?下列有關(guān)核函數(shù)不對的的是（）。A.能夠采用cross-va1idalion辦法選擇最佳核函數(shù)B.滿足Mercer條件的函數(shù)不一定能作為支持向量機(jī)的核函數(shù)C.極大地提高了學(xué)習(xí)機(jī)器的非線性解決能力D.函數(shù)與非線性映射并不是一一對應(yīng)的關(guān)系對的答案：B20、?一對一法分類器，k個類別需要多少個SVM（）。A.k(k-1)/2B.k(k-1)C.kD.k!對的答案：A22、?有關(guān)聚類分析說法錯誤的是（）。A.不必有標(biāo)記的樣本B.能夠用于提取某些基本特性C.能夠解釋觀察數(shù)據(jù)的某些內(nèi)部構(gòu)造和規(guī)律D.聚類分析一種簇中的數(shù)據(jù)之間含有高差別性對的答案：D23、兩個n維向量α(x11,x12,?,x1n)A.dB.C.dD.cos對的答案：A24、?閔可夫斯基距離表達(dá)為曼哈頓距離時p為（）。A.1B.2C.3D.4對的答案：A25、?有關(guān)K-means說法不對的的是（）。A.算法可能終止于局部最優(yōu)解B.簇的數(shù)目k必須事先給定C.對噪聲和離群點數(shù)據(jù)敏感D.適合發(fā)現(xiàn)非凸形狀的簇對的答案：D26、?k中心點算法每次迭代的計算復(fù)雜度是多少？（）A.O(1)B.O(k)C.O(nk)D.O(k對的答案：D27、?下面是矩陣M=3001的特性值為A.3B.2C.-1D.0對的答案：A28、?下圖中有多少個團(tuán)？（）??A.4B.5C.6D.7對的答案：D29、?下圖中有多少個最大團(tuán)？（）A.0B.1C.2D.3對的答案：C30、?假設(shè)某事件發(fā)生的概率為p，則此事件發(fā)生的幾率為（）。A.pB.1-pC.p/(1-p)D.(1-p)/p對的答案：C31、?貝葉斯網(wǎng)絡(luò)來源于貝葉斯統(tǒng)計學(xué)，是以（）為基礎(chǔ)的有向圖模型，它為解決不擬定知識提供了有效的辦法。A.線性代數(shù)B.邏輯學(xué)C.概率論D.信息論對的答案：C32、?下列哪項說法不對的。（）A.人工智能是對人類智能的模擬B.人工神經(jīng)元是對生物神經(jīng)元的模擬C.生物神經(jīng)信號由樹突傳遞給軸突D.人工神經(jīng)元的激活函數(shù)能夠有多個設(shè)計對的答案：C33、?下列哪項說法對的。（）A.異或問題中能找到一條直線對的劃分全部點B.隨著自變量數(shù)目的增多，全部二值函數(shù)中線性可分函數(shù)的比例逐步增大C.如果一種神經(jīng)網(wǎng)絡(luò)構(gòu)造里面有多個神經(jīng)元，就一定能解決異或問題D.普通一種神經(jīng)元涉及線性和非線性兩種運算對的答案：D34、?通用近似定理闡明（）。A.多層感知機(jī)能夠做為函數(shù)近似器逼近任意函數(shù)B.只需一種隱藏層的多層感知機(jī)就能作為通用函數(shù)近似器，因此沒必要設(shè)計深層網(wǎng)絡(luò)C.給定隱藏層神經(jīng)元，三層感知機(jī)能夠近似任意從一種有限維空間到另一種有限維空間的Borel可測函數(shù)D.以上全不對對的答案：D35、?強(qiáng)化學(xué)習(xí)基本要素有哪些？（）A.狀態(tài)、動作、獎勵B.狀態(tài)、動作、折扣因子C.動作、折扣因子、獎勵D.狀態(tài)、獎勵、探索方略對的答案：A36、?不需要建模環(huán)境，等待真實反饋再進(jìn)行接下來的動作，這是哪種強(qiáng)化學(xué)習(xí)算法。（）A.Model-free辦法B.Model-based辦法C.Policy-based辦法D.Value-based辦法對的答案：A37、?Q-learning屬于哪種算法。（）A.On-policy算法B.Off-policy算法C.Model-based算法D.Value-based算法對的答案：B38、?馬爾科夫決策過程由哪幾個元素來表達(dá)（）。A.狀態(tài)、動作、轉(zhuǎn)移概率、方略、折扣因子B.狀態(tài)、動作、轉(zhuǎn)移概率、折扣因子、回報函數(shù)C.狀態(tài)、動作、輸入、輸出、回報函數(shù)D.狀態(tài)、動作、值、方略、回報函數(shù)對的答案：B39、?有關(guān)episode說法錯誤的是（）。A.一種episode就是一種從起始狀態(tài)到結(jié)束的經(jīng)歷B.蒙特卡洛辦法需要極少的episode就能夠得到精確成果C.TD辦法每次更新不需要使用完整的episodeD.蒙特卡洛的辦法需要等到整個episode結(jié)束才干更新對的答案：B40、?如果我們的機(jī)器（或智能體）每次訓(xùn)練更新的損耗會比較大，我們更傾向于選擇哪種算法。（）A.SarsaB.Q-learningC.兩者都能夠D.兩者都不行對的答案：A41、?有關(guān)方略梯度的辦法說法對的的是（）。?A.只合用于離散動作空間B.合用于持續(xù)動作空間C.方略梯度的辦法與DQN中的目的函數(shù)一致D.方略梯度的辦法通過Q值挑選動作對的答案：B二、判斷題1、?有關(guān)EM算法的收斂性，EM算法理論上不能夠確保收斂。對的答案：×2、?有關(guān)EM算法的用途，EM算法只合用不完全數(shù)據(jù)的情形。對的答案：×3、?Jessen不等式等號成立的條件是：變量為常數(shù)。對的答案：√4、?Jessen不等式E(f(x))>=f(E(x)),左邊部分不不大于等于右邊部分的條件是函數(shù)f是凸函數(shù)，如果f是凹函數(shù)，左邊部分應(yīng)當(dāng)是不大于等于右邊部分。對的答案：√5、?EM算法由于是理論能夠確保收斂的，因此必定能夠獲得最優(yōu)解。對的答案：×6、?EM算法首先猜想每個數(shù)據(jù)來自哪個高斯分布，然后求取每個高斯的參數(shù)，之后再去重新猜想每個數(shù)據(jù)來自哪個高斯分布，類推動一步迭代，直到收斂，從而得到最后的參數(shù)預(yù)計值。對的答案：√7、?EM算法，含有通用的求解形式，因此對任何問題，其求解過程都是同樣，都能很容易求得成果。對的答案：×8、?EM算法普通不需要設(shè)立步長，并且收斂速度普通很快。對的答案：√9、?吉布斯采樣是一種通用的采樣辦法，對于任何概率分布都能夠采樣出對應(yīng)的樣本。對的答案：×10、?LDA模型的核心假設(shè)是：假設(shè)每個文檔首先由主題分布表達(dá)，然后主題由詞概率分布表達(dá)，形成文檔-主題-詞的三級層次。對的答案：√11、?Gibbs采樣是一類通用的采樣辦法，和M-H采樣辦法沒有任何關(guān)系。對的答案：×12、?有關(guān)LDA模型中的K，K的指定，必須考慮數(shù)據(jù)集合的特點，選擇一種較為優(yōu)化的數(shù)值。對的答案：×13、?LDA模型是一種生成式模型。?對的答案：√14、?主題建模的核心是擬定數(shù)據(jù)集合的主題個數(shù)。對的答案：×15、?主題建模本質(zhì)上是：?一種新的文檔表達(dá)辦法，重要是通過主題的分布來表達(dá)一種文檔。?一種數(shù)據(jù)壓縮辦法，將文檔壓縮在更小的空間中。對的答案：√16、?SVM中的泛化誤差代表SVM對新數(shù)據(jù)的預(yù)測精確度。對的答案：√17、?若參數(shù)C（costparameter）被設(shè)為無窮，只要最佳分類超平面存在，它就能將全部數(shù)據(jù)全部對的分類。對的答案：√18、?“硬間隔”是指SVM允許分類時出現(xiàn)一定范疇的誤差。對的答案：×19、?支持向量是最靠近決策表面的數(shù)據(jù)點。對的答案：√20、?數(shù)據(jù)有噪聲，有重復(fù)值，不會造成SVM算法性能下降。對的答案：×21、?分裂層次聚類采用的方略是自底向上。對的答案：×22、?DBSCAN對參數(shù)不敏感。對的答案：×23、?EM聚類屬于軟分聚類辦法。對的答案：√24、?k-means算法、EM算法是建立在凸球形的樣本空間上的聚類辦法。對的答案：√25、?邏輯斯蒂回歸模型是一種回歸算法。對的答案：×26、?熵最大時，表達(dá)隨機(jī)變量最不擬定，也就是隨機(jī)變量最隨機(jī)，對其行為做精確預(yù)測最困難。對的答案：√27、?從最大熵思想出發(fā)得出的最大熵模型，采用最大化求解就是在求P(y|x)的對數(shù)似然最大化。對的答案：√28、?GIS算法的收斂速度由計算更新值的步長擬定。C值越大，步長越大，收斂速度就越快。對的答案：×29、?貝葉斯網(wǎng)絡(luò)含有的條件獨立性是結(jié)點與其后裔結(jié)點條件獨立。對的答案：×30、?最大似然預(yù)計辦法是實例數(shù)據(jù)不完備狀況下的學(xué)習(xí)辦法。對的答案：×31、?隱馬爾可夫模型是一種統(tǒng)計模型，經(jīng)慣用來描述一種含有隱含未知參數(shù)的馬爾可夫過程。對的答案：√32、?LSTM和GRU網(wǎng)絡(luò)由于引入了門控單元，能夠緩和梯度消失問題。對的答案：√33、?循環(huán)神經(jīng)網(wǎng)絡(luò)準(zhǔn)時間展開后就能夠通過反向傳輸算法訓(xùn)練了。對的答案：√34、?卷積神經(jīng)網(wǎng)絡(luò)普通比全連接神經(jīng)網(wǎng)絡(luò)參數(shù)少，因此能力更差。對的答案：×35、?訓(xùn)練算法的目的就是要讓模型擬合訓(xùn)練數(shù)據(jù)。對的答案：×36、?反向傳輸算法中需要先計算靠近輸入層參數(shù)的梯度，再計算靠近輸出層參數(shù)的梯度。對的答案：×三、多選題1、?LDA模型在做參數(shù)預(yù)計時，最慣用的辦法是（）。A.Gibbs采樣辦法B.變分推斷C.梯度下降D.Beamsearch對的答案：A、B2、?下列有關(guān)邏輯斯蒂回歸模型的描述對的的是（）。A.針對分類的可能性進(jìn)行建模，不僅能預(yù)測出類別，還能夠得到屬于該類別的概率。B.直接對分類的可能性進(jìn)行建模，無需事先假設(shè)數(shù)據(jù)分布，這樣就避免了假設(shè)分布不精確所帶來的問題。C.模型本質(zhì)仍然是一種線性模型，實現(xiàn)相對簡樸。D.邏輯斯蒂回歸模型是線性回歸模型對的答案：A、B、C、D3、?條件隨機(jī)場需要解決的核心問題有（）。A.特性函數(shù)的選擇B.參數(shù)預(yù)計C.約束條件D.模型推斷對的答案：A、B、D4、?基于搜索評分的辦法，核心點在于（）。A.擬定適宜的搜索方略B.擬定搜索優(yōu)先級C.擬定評分函數(shù)D.擬定選擇方略對的答案：A、C5、?基于約束的辦法通過統(tǒng)計獨立性測試來學(xué)習(xí)結(jié)點間的（）。A.獨立性B.依賴性C.完備性D.有關(guān)性對的答案：A、D6、?在數(shù)據(jù)不完備時，貝葉斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)辦法有（）。A.高斯逼近B.最大似然預(yù)計辦法C.蒙特卡洛辦法D.拉普拉斯近似對的答案：A、C、D7、?隱馬爾可夫模型的三個基本問題是（）。A.估值問題B.狀態(tài)更新C.尋找狀態(tài)序列D.學(xué)習(xí)模型參數(shù)對的答案：A、C、D8、?普通有哪幾個訓(xùn)練神經(jīng)網(wǎng)絡(luò)的優(yōu)化辦法？（）A.梯度下降法B.隨機(jī)梯度下降法C.小批量隨機(jī)梯度下降法D.集成法對的答案：A、B、C9、?為什么循環(huán)神經(jīng)網(wǎng)絡(luò)能夠用來實現(xiàn)自動問答，例如對一句自然語言問句給出自然語言回答？（）A.由于自動問答能夠當(dāng)作是一種序列到序列的轉(zhuǎn)換B.由于循環(huán)神經(jīng)網(wǎng)要比卷積神經(jīng)網(wǎng)更強(qiáng)大C.由于循環(huán)神經(jīng)網(wǎng)絡(luò)能夠解決變長輸入D.由于卷積神經(jīng)網(wǎng)絡(luò)不能解決字符輸入對的答案：A、C10、?下列有關(guān)蒙特卡洛辦法描述對的的是（）。A.蒙特卡洛辦法計算值函數(shù)能夠采用First-visit辦法B.蒙特卡洛辦法方差很大C.蒙特卡洛辦法計算值函數(shù)能夠采用Every-visit辦法D.蒙特卡洛辦法偏差很大對的答案：A、B、C11、?在Q-learning中，下列說法對的的是（）。A.在狀態(tài)s'時計算的Qs',aB.在狀態(tài)s'時計算的QsC.更新中，Q的真實值為r+γ(maxQD.更新中，Q的真實值為Q(s,a)對的答案：A、C12、?Sarsa與Q-learning的區(qū)別是？（）A.Sarsa是off-policy，而Q-learning是on-policyB.Sarsa是on-policy，而Q-learning是off-policyC.Q-learning在算法更新時，對應(yīng)的下一種動作并沒有執(zhí)行，而sarsa的下一種動作在這次更新時已經(jīng)擬定了D.Q-learning是一種保守的算法，sarsa是一種貪婪勇敢的算法對的答案：B、C13、?Q-learning與Sarsa相似的地方是（）。A.都使用了ε-greedy等方略進(jìn)行探索B.都用q-table存儲狀態(tài)動作對C.更新公式相似D.兩者都能夠找到最優(yōu)的方略對的答案：A、B14、?有關(guān)經(jīng)驗池（experiencereplay）敘述對的的是（）。A.為了縮小樣本量，能夠讓樣本輸入到神經(jīng)網(wǎng)絡(luò)中B.打破樣本之間的持續(xù)性C.每次更新時在經(jīng)驗池中按次序采樣樣本D.每次更新時隨機(jī)采樣樣