人工智能機器學習技術(shù)練習(習題卷29)

試卷科目：人工智能機器學習技術(shù)練習人工智能機器學習技術(shù)練習(習題卷29)PAGE"pagenumber"pagenumber/SECTIONPAGES"numberofpages"numberofpages人工智能機器學習技術(shù)練習第1部分：單項選擇題，共58題，每題只有一個正確答案,多選或少選均不得分。[單選題]1.以下哪項是解決NLP用例(如語義相似性、閱讀理解和常識推理)的更好選擇?A)ELMoB)OpenAI?sGPTC)ULMFit答案:B解析:[單選題]2.如果一個SVM模型出現(xiàn)欠擬合，那么下列哪種方法能解決這一問題？A)增大懲罰參數(shù)C的值B)減小懲罰參數(shù)C的值C)減小核系數(shù)（gamma參數(shù)）答案:A解析:[單選題]3.使用小括號定義的數(shù)據(jù)類型是(A)列表B)集合C)字典D)元組答案:D解析:[單選題]4.主成分分析是一種常用的（__)方法。A)降維B)分類C)回歸D)聚類答案:A解析:[單選題]5.()是以樣本統(tǒng)計量作為未知總體參數(shù)的估計量,并通過對樣本單位的實際觀察取得樣本數(shù)據(jù),計算樣本統(tǒng)計量的取值作為被估計參數(shù)的估計值。A)參數(shù)估計B)邏輯分析C)方差分析D)回歸分析答案:A解析:參數(shù)估計是統(tǒng)計推斷的一種。根據(jù)從總體中抽取的隨機樣本來估計總體分布中未知參數(shù)的過程。[單選題]6.緩解過擬合的一個辦法是允許支持向量機在一些樣本上出錯,()形式適合這種方法。A)硬間隔支持向量機B)軟間隔支持向量機C)線性核函數(shù)支持向量機D)多項式核函數(shù)支持向量機答案:B解析:軟間隔允許某些樣本不滿足約束,可緩解過擬合。[單選題]7.有關(guān)數(shù)據(jù)倉庫的開發(fā)特點,不正確的描述是A)數(shù)據(jù)倉庫開發(fā)要從數(shù)據(jù)出發(fā)B)數(shù)據(jù)倉庫使用的需求在開發(fā)出去就要明確C)數(shù)據(jù)倉庫的開發(fā)是一個不斷循環(huán)的過程,是啟發(fā)式的開發(fā)D)在數(shù)據(jù)倉庫環(huán)境中,并不存在操作型環(huán)境中所固定的和較確切的處理流,數(shù)據(jù)倉庫中數(shù)據(jù)分析和處理更靈活,且沒有固定的模式答案:A解析:[單選題]8.bootstrap數(shù)據(jù)是什么意思？（提示：考?bootstrap?和?boosting?區(qū)別）A)有放回地從總共M個特征中抽樣m個特征B)無放回地從總共M個特征中抽樣m個特征C)有放回地從總共N個樣本中抽樣n個樣本D)無放回地從總共N個樣本中抽樣n個樣本答案:C解析:[單選題]9.在給定文件中查找與設(shè)定條件相符字符串的命令A(yù))gzipB)grepC)lsD)find答案:B解析:[單選題]10.在同一個問題中，錯誤率和精度的關(guān)系是（__）。A)錯誤率等于精度值加1B)錯誤率加精度等于1C)精度減錯誤率等于1D)兩者之間沒有關(guān)系答案:B解析:[單選題]11.核矩陣是()的。A)沒有規(guī)律B)半正定C)正定D)樣本矩陣答案:B解析:只要一個對稱函數(shù)所對應(yīng)的核矩陣半正定,它就能作為核函數(shù)使用。[單選題]12.下圖中主成分的最佳數(shù)量是多少?alt="">A)7B)30C)40D)不知道答案:B解析:可以在上圖中看到,主成分的數(shù)量為30時以最小的數(shù)量得到最大的方差。[單選題]13.普通反向傳播算法和隨時間的反向傳播算法（BPTT）有什么技術(shù)上的不同()A)與普通反向傳播不同的是，BPTT會在每個時間步長內(nèi)減去所有對應(yīng)權(quán)重的梯度B)與普通反向傳播不同的是，BPTT會在每個時間步長內(nèi)疊加所有對應(yīng)權(quán)重的梯度C)BPTT使用的是二階梯度D)沒有差別答案:B解析:[單選題]14.()算法是通過智能體不斷與環(huán)境進行交互，通過試錯的方式來獲得最佳策略A)有監(jiān)督學習B)半監(jiān)督學習C)無監(jiān)督學習D)強化學習答案:D解析:[單選題]15.有如下數(shù)據(jù)集,分別使用1-最近鄰,3-最近鄰,對數(shù)據(jù)點x=5.0分類,則:class="fr-ficfr-dibcursor-hover"A)最近鄰:+;3-最近鄰:-B)最近鄰:+;3-最近鄰:+C)最近鄰:-;3-最近鄰:-D)最近鄰:-;3-最近鄰:+答案:A解析:[單選題]16.邏輯回歸的以下模型:P(y=1|x,w)=g(w0+w1x)其中g(shù)(z)是邏輯函數(shù)。在上述等式中,通過改變參數(shù)w可以得到的P(y=1|x;w)被視為x的函數(shù)。在上面的問題中,你認為哪個函數(shù)會產(chǎn)生(0,1)之間的p?A)邏輯函數(shù)B)對數(shù)似然函數(shù)C)兩者的復(fù)合函數(shù)D)都不會答案:A解析:對于從-∞到+∞的實數(shù)范圍內(nèi)的x的值。邏輯函數(shù)將給出(0,1)的輸出。[單選題]17.自然語言處理包括語言識別、語音合成和()A)語言翻譯B)語言理解C)語言交流D)語言訓練答案:B解析:[單選題]18.tf.nn.rnn_cell.MultiRNNCell()函數(shù)的作用是（）。A)生成卷積神經(jīng)網(wǎng)絡(luò)B)生成LSTMC)生成池化層D)生成多層RNN網(wǎng)絡(luò)答案:D解析:[單選題]19.下列誤差和錯誤中，哪一項是由于訓練樣本的錯誤而導(dǎo)致？A)泛化誤差B)偏差C)方差D)噪聲答案:D解析:[單選題]20.數(shù)據(jù)倉庫是隨著時間變化的,下面的描述不正確的是A)數(shù)據(jù)倉庫隨時間的變化不斷增加新的數(shù)據(jù)內(nèi)容;B)捕捉到的新數(shù)據(jù)會覆蓋原來的快照;C)數(shù)據(jù)倉庫隨事件變化不斷刪去舊的數(shù)據(jù)內(nèi)容;D)數(shù)據(jù)倉庫中包含大量的綜合數(shù)據(jù),這些綜合數(shù)據(jù)會隨著時間的變化不斷地進行重新綜合.答案:C解析:[單選題]21.有關(guān)TensorFlowAPI,以下說法中正確的是:()A)tf.Variable和一般編程語言中?變量(Variable)?的含義完全相同。B)tf.placeholder定義的對象,對應(yīng)于深度神經(jīng)網(wǎng)絡(luò)中的?超參數(shù)(Hyperparameter)?。C)通過tf.constant定義的對象,因為是常量,所以,在session.run()運行前就可以用eval()方法獲得對象的值。D)session.run()運行一個訓練過程時,TensorFlow會使用符號執(zhí)行(SymbolicExecution)對計算圖進行優(yōu)化。答案:D解析:[單選題]22.CART決策樹通常采用()剪枝方法。A)REP(錯誤率降低)B)CCP(代價復(fù)雜度)C)PEP(悲觀剪枝)D)預(yù)剪枝答案:B解析:[單選題]23.兩個種子點A(-1,1)，B(2,1)，其余點為(0,0)，(0,2)，(1,1)，(3,2)，(6,0)，(6,2)，利用Kmeans算法，點群中心按坐標平均計算。最終種子點A需要移動的次數(shù)，種子點B需要移動的次數(shù)，屬于種子點A的點數(shù)（不包含A），屬于種子點B的點數(shù)（不包含B）分別為（）A)2,2,3,3B)1,1,3,3C)1,1,2,4D)2,2,2,4答案:A解析:[單選題]24.(__)是指對已有數(shù)據(jù)在盡量少的先驗假設(shè)條件下進行探索，并通過作圖，制表等手段探索數(shù)據(jù)結(jié)構(gòu)和規(guī)律的一種方法。A)統(tǒng)計分析B)驗證性分析C)數(shù)據(jù)洞見D)探索性數(shù)據(jù)分析答案:D解析:[單選題]25.(__)不屬于機器學習理論基礎(chǔ)。A)數(shù)據(jù)科學B)哲學C)心理學D)人工智能答案:A解析:[單選題]26.對應(yīng)GradientBoostingtree算法,以下說法正確的是:A)2和4B)2和3C)1和3D)1和4答案:C解析:最小樣本分裂個數(shù)是用來控制?過擬合?參數(shù)。太高的值會導(dǎo)致?欠擬合?,這個參數(shù)應(yīng)該用交叉驗證來調(diào)節(jié)。第二點是靠bias和variance概念的。[單選題]27.()算法的訓練數(shù)據(jù)集部分有特征有標簽，部分有特征無標簽A)有監(jiān)督學習B)半監(jiān)督學習C)無監(jiān)督學習D)強化學習答案:B解析:[單選題]28.有關(guān)決策樹的說法哪個是錯誤的()A)可以轉(zhuǎn)化為決策規(guī)則B)對新樣本起到分類預(yù)測的作用C)決策樹的深度越大越好D)決策樹的算法和神經(jīng)網(wǎng)絡(luò)的原理不一樣答案:C解析:[單選題]29.喚醒功能作為麥克風陣列技術(shù)中重要的一環(huán)，誤喚醒率指標是低于()次/天？[]*A)1B)2C)3D)0.5答案:A解析:[單選題]30.7.以下哪個不是原型聚類算法（）A)K均值算法B)學習向量量化LVQC)高斯混合聚類D)PCA算法答案:D解析:[單選題]31.(__)是一系列為達到某既定目標所需完成的實踐，包括對應(yīng)的工具、方法、資源和人。A)關(guān)鍵過程B)平臺與架構(gòu)C)數(shù)據(jù)治理D)數(shù)據(jù)管理策略答案:A解析:[單選題]32.隨機森林相比Bagging，進一步在決策樹的訓練過程中引入了（）選擇A)隨機屬性B)重點屬性C)最優(yōu)屬性D)集成屬性答案:A解析:[單選題]33.下面不屬于數(shù)據(jù)科學平臺的有(__)。A)dataikuB)endorC)knimeD)alpine答案:B解析:[單選題]34.從1,2,...,15中小明和小紅兩人各任取一個數(shù)字，現(xiàn)已知小明取到的數(shù)字是5的倍數(shù)，請問小明取到的數(shù)大于小紅取到的數(shù)的概率是多少A)7/14B)8/14C)9/14D)10/14答案:C解析:[單選題]35.下列不屬于無監(jiān)督學習方法的是（）A)K-meansB)線性降維C)DBSCAND)支持向量機答案:D解析:[單選題]36.當決策樹很小時，訓練和檢驗誤差都很大，這種情況稱作（___）。A)模型擬合不足B)模型過擬合C)泛化能力好D)模型擬合適當答案:A解析:[單選題]37.(__)試圖學得一個線性模型以盡可能準確地預(yù)測實值輸出標記。A)決策樹B)線性回歸C)貝葉斯分類器D)神經(jīng)網(wǎng)絡(luò)答案:B解析:[單選題]38.OpenCV提供圖像文件讀寫的模塊是()。A)coreB)imgcodecsC)imgprocD)highgui答案:B解析:[單選題]39.處理文本數(shù)據(jù)，循環(huán)神經(jīng)網(wǎng)絡(luò)與前饋神經(jīng)網(wǎng)絡(luò)相比有（）的優(yōu)點。A)不會梯度消失B)訓練結(jié)果不會發(fā)散C)不需要激活函數(shù)D)可以接受有序的輸入序列答案:D解析:[單選題]40.關(guān)于K-Means和DBSCAN的比較，以下說法不正確的是（）。A)K-Means丟棄被它識別為噪聲的對象，而DBSCAN一般聚類所有對象B)K-Means使用簇的基于原型的概念，而DBSCAN使用基于密度的概念C)K-Means很難處理非球形的簇和不同大小的簇，而DBSCAN可以處理不同形狀和不同大小的簇D)K-Means可以發(fā)現(xiàn)不是明顯分離的簇,即使簇有重疊它也可以發(fā)現(xiàn),但是DBSCAN會合并有重疊的簇答案:A解析:[單選題]41.(__)是將數(shù)據(jù)轉(zhuǎn)換為產(chǎn)品的藝術(shù)。A)數(shù)據(jù)柔術(shù)B)數(shù)據(jù)處理C)數(shù)據(jù)加工D)數(shù)據(jù)設(shè)計答案:A解析:[單選題]42.關(guān)于貝葉斯網(wǎng)的學習描述錯誤的為A)貝葉斯的學習過程為對訓練樣本計數(shù)；B)估計出每個結(jié)點的條件概率；C)網(wǎng)絡(luò)結(jié)構(gòu)為已知；D)評分搜索為求解的常用辦法；答案:C解析:[單選題]43.為了允許支持向量機在一些樣本上出錯,引入()的概念。A)軟間隔B)硬間隔C)間隔D)誤差答案:A解析:[單選題]44.人工神經(jīng)網(wǎng)絡(luò)的特點和優(yōu)越性不包括______。A)自學習功能B)自動識別功能C)高速尋找優(yōu)化解的能力D)聯(lián)想存儲功能答案:B解析:[單選題]45.編譯程序是一種A)翻譯程序B)目標程序C)匯編程序D)解釋程序答案:A解析:[單選題]46.K-Means算法中的初始中心點()A)可隨意設(shè)置B)必須在每個簇的真實中心點的附近C)必須足夠分散D)直接影響算法的收斂結(jié)果答案:D解析:[單選題]47.Spark的四大組件下面哪個不是A)SparkStreamingB)MlibC)GraphxD)SparkR答案:D解析:[單選題]48.圖像識別常用softmax函數(shù)接在模型的輸出上，其作用為：（）。A)增加不同類別之間的區(qū)分度B)突出輸出向量中類標的對應(yīng)的維度C)對輸出歸一化，同時以概率的更好解釋輸出向量D)過濾無用的環(huán)境信息答案:C解析:[單選題]49.以下集合是凸集的是A){(x,y)|y=x+1}B){(x,y)|x的平方+y的平方=1}C){(x,y)|x的平方+y的平方>1}D){(x,y)|x=1|y=1}答案:A解析:凸集，實數(shù)R上（或復(fù)數(shù)C上）的向量空間中，如果集合S中任兩點的連線上的點都在S內(nèi)，則稱集合S為凸集。所以直線是凸集，A正確。{(x,y)|x^2+y^2<=1}是凸集。C選項恰好是圓形外面的區(qū)域，而任意兩點連線上的點在圓形。D選項是兩條直線。[單選題]50.下列的哪種方法可以用來降低深度學習模型的過擬合問題?1增加更多的數(shù)據(jù);2使用數(shù)據(jù)擴增技術(shù)(dataaugmentation);3使用歸納性更好的架構(gòu);4正規(guī)化數(shù)據(jù);5降低架構(gòu)的復(fù)雜度.A)145B)123C)1345D)所有項目都有用答案:D解析:[單選題]51.20世紀70年代開始，人工智能進入首次低谷期的原因不包括A計算機內(nèi)存有限A)計算機內(nèi)存有限B)攝像設(shè)備沒有出現(xiàn)C)計算機處理速度不夠快D)理論基礎(chǔ)薄弱答案:B解析:[單選題]52.一般，KNN最近鄰方法在（）的情況下效果較好？A)樣本較多但典型性不好B)樣本較少但典型性好C)樣本呈團狀分布D)樣本呈鏈狀分布答案:B解析:[單選題]53.下面對屬性進行離散化的方法為（）A)preprocessing.scale()B)pd.qcut()C)pd.shapeD)pgroupby()答案:B解析:[單選題]54.以下關(guān)于數(shù)據(jù)科學描述錯誤的是A)數(shù)據(jù)科學研究數(shù)據(jù)的共性B)降低計算量不是數(shù)據(jù)科學關(guān)心的問題C)數(shù)據(jù)科學可以研究非結(jié)構(gòu)化數(shù)據(jù)D)數(shù)據(jù)科學需要與其他學科結(jié)合在一起答案:B解析:[單選題]55.下面關(guān)于Adaboost算法的描述中，錯誤的是()A)是弱分類器的線性組合B)提升樹是以分類樹或者回歸樹為基本分類器的提升辦法C)該算法實際上是前向分步算法的一個實現(xiàn)，在這個方法里，模型是加法模型，損失函數(shù)是指數(shù)損失，算法是前向分步算法。D)同時獨立地學習多個弱分類器答案:D解析:[單選題]56.在線性模型y=w1x1+w2x2+…+wnxn中，y值代表（）A)預(yù)測值B)特征值C)權(quán)重值D)模型參數(shù)答案:A解析:[單選題]57.在下圖中，數(shù)據(jù)集被聚類算法聚集成了（）個類別A)1B)2C)3D)4答案:C解析:[單選題]58.以下哪個模型不是分類模型()A)最近鄰B)K均值C)樸素貝葉斯D)邏輯回歸答案:B解析:第2部分：多項選擇題，共17題，每題至少兩個正確答案,多選或少選均不得分。[多選題]59.預(yù)剪枝使得決策樹的很多分子都沒有展開,會導(dǎo)致()。A)顯著減少訓練時間開銷B)顯著減少測試時間開銷C)降低過擬合風險D)提高欠擬合風險答案:ABCD解析:預(yù)剪枝使得決策樹的很多分支都沒有展開,這不僅降低了過擬合的風險,還顯著減少了決策樹的訓練時間開銷和測試時間開銷。但另一方面,有些分支的當前劃分雖不能提升泛化性能,其至可能導(dǎo)致泛化性能暫時下降,但在其基礎(chǔ)上進行的后續(xù)劃分卻有可能導(dǎo)致性能顯著提高;預(yù)剪枝基于貪心原則,禁止這些分支展開,提高了欠擬合的風險。[多選題]60.我們想要減少數(shù)據(jù)集中的特征數(shù)即降維,以下方案合適的是()。A)使用前向特征選擇方法B)使用后向特征排除方法C)我們先,把所有特征都使用,去訓練一個模型,得到測試集上的表現(xiàn)。然后我們?nèi)サ粢粋€特征,再去訓練,用交叉驗證看看測試集上的表現(xiàn)。如果表現(xiàn)比原來還要好,我們可以去除這個特征D)查看相關(guān)性表,去除相關(guān)性最高的一些特征答案:ABCD解析:前向特征選擇方法和后向特征排除方法是特征選擇的常用方法。如果前向特征選擇方法和后向特征排除方法在大數(shù)據(jù)上不活用,可以用這里C中方法。用相關(guān)性的度量去刪除多余特征也是一個可行的方法。[多選題]61.缺失數(shù)據(jù)的處理主要涉及的關(guān)鍵活動包括（）.A)缺失數(shù)據(jù)的識別B)缺失數(shù)據(jù)的分析C)刪除或插補缺失數(shù)據(jù)D)缺失數(shù)據(jù)的溯源答案:ABC解析:[多選題]62.支持向量機可能解決的問題()A)線性分類B)非線性分類C)回歸分析D)BP算法答案:ABC解析:[多選題]63.下面關(guān)于數(shù)據(jù)產(chǎn)品開發(fā)相關(guān)描述正確的有(__)。A)?數(shù)據(jù)產(chǎn)品?在數(shù)據(jù)科學中是統(tǒng)稱B)數(shù)據(jù)產(chǎn)品開發(fā)是數(shù)據(jù)科學的重要研究任務(wù)之一C)數(shù)據(jù)產(chǎn)品開發(fā)是數(shù)據(jù)科學區(qū)別于其他學科的重要研究任務(wù)D)數(shù)據(jù)科學的學習目的之一是提升自己的數(shù)據(jù)產(chǎn)品開發(fā)能力答案:ABCD解析:[多選題]64.從不同的學習場景看，半監(jiān)督學習可大致分為四大類A)半監(jiān)督分類B)半監(jiān)督回歸C)半監(jiān)督聚類D)半監(jiān)督降維答案:ABCD解析:[多選題]65.深度學習的主要過程包括()A)選擇適合問題的網(wǎng)絡(luò)結(jié)構(gòu)B)選擇適合網(wǎng)絡(luò)結(jié)構(gòu)的問題C)用大量數(shù)據(jù)訓練網(wǎng)絡(luò)對權(quán)重初始化D)優(yōu)化網(wǎng)絡(luò)答案:ABCD解析:[多選題]66.數(shù)據(jù)戰(zhàn)略的基本問題有(__)。A)數(shù)據(jù)戰(zhàn)略的定位B)數(shù)據(jù)戰(zhàn)略的目標C)數(shù)據(jù)戰(zhàn)略的側(cè)重點D)數(shù)據(jù)戰(zhàn)略的范疇答案:ABCD解析:[多選題]67.(__)可以幫助解決訓練集在特征空間中線性不可分的問題。A)硬間隔B)軟間隔C)核函數(shù)D)拉格朗日乘子法答案:BC解析:[多選題]68.SVM常用的核函數(shù)有()A)h次多項式核函數(shù)B)高斯徑向基函數(shù)核函數(shù)C)Sigmoid型核函數(shù)D)拉普拉斯核函數(shù)答案:ABCD解析:[多選題]69.數(shù)據(jù)加工是一種數(shù)據(jù)轉(zhuǎn)換的過程，可分為(__)。A)單維度轉(zhuǎn)換B)高維度轉(zhuǎn)換C)低維度轉(zhuǎn)換D)多維度轉(zhuǎn)換答案:AD解析:[多選題]70.下列關(guān)于包裹式選擇的描述正確的是(__)。A)包裹式特征選擇方法直接針對給定學習器進行優(yōu)化B)從最終學習器性能來看，包裹式特征選擇比過濾式特征選擇更好C)包裹式特征選擇的計算開銷通常比過濾式特征選擇大得多D)包裹式特征選擇的典型算法：LVW算法，其特征子集搜索采用了隨機策略答案:ABCD解析:[多選題]71.ID3算法從功能上看有哪兩點明顯不足？A)預(yù)測目標值只能為連續(xù)實數(shù)值，不能是離散值，因此只能處理回歸問題，不能處理分類問題B)預(yù)測目標值只能為離散值，不能是連續(xù)實數(shù)值，因此只能處理分類問題，不能處理回歸問題C)實例各特征的取值必須是離散值，而不能是連續(xù)實數(shù)值D)實例各特征的取值必須是連續(xù)實數(shù)值，而不能是離散值答案:BC解析:[多選題]72.Zookeeper運行的模式可以為()A)StandAloneB)StooolC)StandUpD)集群模式答案:AD解析:[多選題]73.(__)主要關(guān)注的是過去。A)描述性分析B)診斷性分析C)預(yù)測性分析D)規(guī)范性分析答案:AB解析:[多選題]74.（）是關(guān)鍵詞提取的算法。A)TF-IDFB)TextRankC)LDAD)PCA答案:ABC解析:[多選題]75.分析工具包括(__)和商務(wù)智能可視化、垂直分析、統(tǒng)計計算、數(shù)據(jù)服務(wù)、語音與自然語言理解、搜索等。A)數(shù)據(jù)分析平臺B)數(shù)據(jù)科學平臺C)機器學習D)人工智能答案:ABCD解析:第3部分：判斷題，共16題，請判斷題目是否正確。[判斷題]76.傳統(tǒng)的機器學習方法的表現(xiàn)主要算法，目前的機器學習主要是強化學習，具有自學習能力A)正確B)錯誤答案:對解析:[判斷題]77.邏輯回歸算法又叫做對數(shù)幾率回歸，作為一種分類算法，在統(tǒng)計學中屬于廣義的線性模型A)正確B)錯誤答案:對解析:[判斷題]78.分類學習的目的是從給定的人工標注的分類訓練樣本數(shù)據(jù)集中學習出一個分類函數(shù)或者分類模型，也常常稱作分類器A)正確B)錯誤答案:對解析:[判斷題]79.貝葉斯網(wǎng)學習而言，模型就是一個貝葉斯網(wǎng)，每個貝葉斯網(wǎng)描述了一個在訓練數(shù)據(jù)上的概率分布A)正確；B)錯誤；答案:對解析:[判斷題]80.信息熵是度量樣本集合純度最常用的一種指標。信息熵的值越大，說明樣本集合的純度越高。A)正確B)錯誤答案:錯解析:[判斷題]81.在機器學習算法中，沒有最好的算法，只有?更適合?解決當前任務(wù)的算法A)正確B)錯誤答案:對解析:[判斷題]82.分類是預(yù)測數(shù)據(jù)對象的離散類別，預(yù)測是用于數(shù)據(jù)對象的連續(xù)取值A(chǔ))正確B)錯誤答案:對解析:[判斷題]83.Softmax回歸可以處理多元分類問題，Logistic回歸只能處理二元分類問題A)正確B)錯誤答案:對解析:[判斷題]84.使用已訓練好的模型對測試集中的實例進行分類預(yù)測。如果要調(diào)用sklearn中的某個函數(shù)來評價預(yù)測的準確率，應(yīng)該選擇accuracy_score，而不應(yīng)該選擇mean_squared_errorA)正確B)錯誤答案:對解析:[判斷題]85.精確率越高，意味著誤報率越低，因此，當誤報的成本較高時，精確率指標有助于判斷模型的好壞。A)正確B)錯誤答案:對解析:[判斷題]86.基于VC維的泛化誤差界是是分布無關(guān)、數(shù)據(jù)獨立的A)正確B)錯誤答案:對解析: