MOOC 機器學(xué)習(xí)-北京理工大學(xué) 中國大學(xué)慕課答案

MOOC機器學(xué)習(xí)-北京理工大學(xué)中國大學(xué)慕課答案緒論1、問題：下列哪位是人工智能之父？選項：A、MarnivLeeMinskyB、HerbertA.SimonC、AllenNewellD、JohnCliffordShaw正確答案:【MarnivLeeMinsky】2、問題：根據(jù)王玨的理解，下列不屬于對問題空間W的統(tǒng)計描述是選項：A、一致性假設(shè)B、劃分C、泛化能力D、學(xué)習(xí)能力正確答案:【學(xué)習(xí)能力】3、問題：下列描述無監(jiān)督學(xué)習(xí)錯誤的是選項：A、無標(biāo)簽B、核心是聚類C、不需要降維D、具有很好的解釋性正確答案:【不需要降維】4、問題：下列描述有監(jiān)督學(xué)習(xí)錯誤的是選項：A、有標(biāo)簽B、核心是分類C、所有數(shù)據(jù)都相互獨立分布D、分類原因不透明正確答案:【所有數(shù)據(jù)都相互獨立分布】5、問題：下列哪種歸納學(xué)習(xí)采用符號表示方式？選項：A、經(jīng)驗歸納學(xué)習(xí)B、遺傳算法C、聯(lián)接學(xué)習(xí)D、強化學(xué)習(xí)正確答案:【經(jīng)驗歸納學(xué)習(xí)】6、問題：混淆矩陣的假正是指選項：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)樣本正確答案:【模型預(yù)測為正的負(fù)樣本】7、問題：混淆矩陣的真負(fù)率公式是為選項：A、TP/(TP+FN)B、FP/(FP+TN)C、FN/(TP+FN)D、TN/(TN+FP)正確答案:【TN/(TN+FP)】8、問題：混淆矩陣中的TP=16，F(xiàn)P=12，F(xiàn)N=8，TN=4，準(zhǔn)確率是選項：A、1/4B、1/2C、4/7D、4/6正確答案:【1/2】9、問題：混淆矩陣中的TP=16，F(xiàn)P=12，F(xiàn)N=8，TN=4，精確率是選項：A、1/4B、1/2C、4/7D、2/3正確答案:【4/7】期望最大化算法1、問題：關(guān)于EM算法的收斂性，EM算法理論上不能夠保證收斂。選項：A、正確B、錯誤正確答案:【錯誤】2、問題：關(guān)于EM算法的用途，EM算法只適用不完全數(shù)據(jù)的情形。選項：A、正確B、錯誤正確答案:【錯誤】3、問題：Jessen不等式等號成立的條件是：變量為常數(shù)選項：A、正確B、錯誤正確答案:【正確】4、問題：Jessen不等式E(f(x))=f(E(x)),左邊部分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)該是小于等于右邊部分。選項：A、正確B、錯誤正確答案:【正確】5、問題：EM算法因為是理論可以保證收斂的，所以肯定能夠取得最優(yōu)解。選項：A、正確B、錯誤正確答案:【錯誤】6、問題：EM算法首先猜測每個數(shù)據(jù)來自哪個高斯分布，然后求取每個高斯的參數(shù)，之后再去重新猜測每個數(shù)據(jù)來自哪個高斯分布，類推進一步迭代，直到收斂，從而得到最后的參數(shù)估計值。選項：A、正確B、錯誤正確答案:【正確】7、問題：EM算法，具有通用的求解形式，因此對任何問題，其求解過程都是一樣，都能很容易求得結(jié)果。選項：A、正確B、錯誤正確答案:【錯誤】8、問題：EM算法通常不需要設(shè)置步長，而且收斂速度一般很快。選項：A、正確B、錯誤正確答案:【正確】主題建模1、問題：LDA模型在做參數(shù)估計時，最常用的方法是選項：A、Gibbs采樣方法B、變分推斷C、梯度下降D、Beamsearch正確答案:【Gibbs采樣方法#變分推斷】2、問題：吉布斯采樣是一種通用的采樣方法，對于任何概率分布都可以采樣出對應(yīng)的樣本。選項：A、正確B、錯誤正確答案:【錯誤】3、問題：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示，然后主題由詞概率分布表示，形成文檔-主題-詞的三級層次。選項：A、正確B、錯誤正確答案:【正確】4、問題：Gibbs采樣是一類通用的采樣方法，和M-H采樣方法沒有任何關(guān)系。選項：A、正確B、錯誤正確答案:【錯誤】5、問題：關(guān)于LDA模型中的K，K的指定，必須考慮數(shù)據(jù)集合的特點，選擇一個較為優(yōu)化的數(shù)值。選項：A、正確B、錯誤正確答案:【錯誤】6、問題：LDA模型是一種生成式模型選項：A、正確B、錯誤正確答案:【正確】7、問題：主題建模的關(guān)鍵是確定數(shù)據(jù)集合的主題個數(shù)。選項：A、正確B、錯誤正確答案:【錯誤】8、問題：主題建模本質(zhì)上是：一種新的文檔表示方法，主要是通過主題的分布來表示一個文檔。一種數(shù)據(jù)壓縮方法，將文檔壓縮在更小的空間中。選項：A、正確B、錯誤正確答案:【正確】SVM作業(yè)支持向量機1、問題：SVM算法的性能取決于：選項：A、核函數(shù)的選擇B、軟間隔參數(shù)C、核函數(shù)的參數(shù)D、以上所有正確答案:【以上所有】2、問題：SVM中的代價參數(shù)C表示什么？選項：A、交叉驗證的次數(shù)B、用到的核函數(shù)C、在分類準(zhǔn)確性和模型復(fù)雜度之間的權(quán)衡D、以上都不對正確答案:【在分類準(zhǔn)確性和模型復(fù)雜度之間的權(quán)衡】3、問題：一對一法分類器，k個類別需要多少個SVM：選項：A、kB、k!C、k(k-1)/2D、k(k-1)正確答案:【k(k-1)/2】4、問題：SVM中的泛化誤差代表SVM對新數(shù)據(jù)的預(yù)測準(zhǔn)確度選項：A、正確B、錯誤正確答案:【正確】5、問題：若參數(shù)C（costparameter）被設(shè)為無窮，只要最佳分類超平面存在，它就能將所有數(shù)據(jù)全部正確分類選項：A、正確B、錯誤正確答案:【正確】6、問題：“硬間隔”是指SVM允許分類時出現(xiàn)一定范圍的誤差選項：A、正確B、錯誤正確答案:【錯誤】7、問題：支持向量是最靠近決策表面的數(shù)據(jù)點選項：A、正確B、錯誤正確答案:【正確】8、問題：數(shù)據(jù)有噪聲，有重復(fù)值，不會導(dǎo)致SVM算法性能下降選項：A、正確B、錯誤正確答案:【錯誤】聚類分析1、問題：有關(guān)聚類分析說法錯誤的是：選項：A、無須有標(biāo)記的樣本B、可以用于提取一些基本特征C、可以解釋觀察數(shù)據(jù)的一些內(nèi)部結(jié)構(gòu)和規(guī)律D、聚類分析一個簇中的數(shù)據(jù)之間具有高差異性正確答案:【聚類分析一個簇中的數(shù)據(jù)之間具有高差異性】2、問題：兩個n維向量離（euclideandistance)為：選項：和之間的歐式距A、B、C、D、正確答案:【】3、問題：閔可夫斯基距離表示為曼哈頓距離時p為：選項：A、1B、2C、3D、4正確答案:【1】4、問題：下面是矩陣的特征值為：選項：A、3B、2C、-1D、0正確答案:【3】5、問題：分裂層次聚類采用的策略是自底向上選項：A、正確B、錯誤正確答案:【錯誤】6、問題：DBSCAN對參數(shù)不敏感選項：A、正確B、錯誤正確答案:【錯誤】7、問題：EM聚類屬于軟分聚類方法選項：A、正確B、錯誤正確答案:【正確】8、問題：k-means算法、EM算法是建立在凸球形的樣本空間上的聚類方法選項：A、正確B、錯誤正確答案:【正確】概率無向圖模型1、問題：下圖中有多少個最大團？選項：A、0B、1C、2D、3正確答案:【2】2、問題：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：選項：A、pB、1-pC、p/(1-p)D、(1-p)/p正確答案:【p/(1-p)】3、問題：以下關(guān)于邏輯斯蒂回歸模型的描述正確的是選項：A、針對分類的可能性進行建模，不僅能預(yù)測出類別，還可以得到屬于該類別的概率。B、直接對分類的可能性進行建模，無需事先假設(shè)數(shù)據(jù)分布，這樣就避免了假設(shè)分布不準(zhǔn)確所帶來的問題。C、模型本質(zhì)仍然是一個線性模型，實現(xiàn)相對簡單。D、邏輯斯蒂回歸模型是線性回歸模型正確答案:【針對分類的可能性進行建模，不僅能預(yù)測出類別，還可以得到屬于該類別的概率。#直接對分類的可能性進行建模，無需事先假設(shè)數(shù)據(jù)分布，這樣就避免了假設(shè)分布不準(zhǔn)確所帶來的問題。#模型本質(zhì)仍然是一個線性模型，實現(xiàn)相對簡單。#邏輯斯蒂回歸模型是線性回歸模型】4、問題：條件隨機場需要解決的關(guān)鍵問題有：選項：A、特征函數(shù)的選擇B、參數(shù)估計C、約束條件D、模型推斷正確答案:【特征函數(shù)的選擇#參數(shù)估計#模型推斷】5、問題：邏輯斯蒂回歸模型是一種回歸算法。選項：A、正確B、錯誤正確答案:【錯誤】6、問題：熵最大時，表示隨機變量最不確定，也就是隨機變量最隨機，對其行為做準(zhǔn)確預(yù)測最困難。選項：A、正確B、錯誤正確答案:【正確】7、問題：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。選項：A、正確B、錯誤正確答案:【正確】8、問題：GIS算法的收斂速度由計算更新值的步長確定。C值越大，步長越大，收斂速度就越快。選項：A、正確B、錯誤正確答案:【錯誤】概率有向圖模型1、問題：基于搜索評分的方法，關(guān)鍵點在于選項：A、確定合適的搜索策略B、確定搜索優(yōu)先級C、確定評分函數(shù)D、確定選擇策略正確答案:【確定合適的搜索策略#確定評分函數(shù)】2、問題：基于約束的方法通過統(tǒng)計獨立性測試來學(xué)習(xí)結(jié)點間的選項：A、獨立性B、依賴性C、完備性D、相關(guān)性正確答案:【獨立性#相關(guān)性】3、問題：在數(shù)據(jù)不完備時，貝葉斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)方法有：選項：A、高斯逼近B、最大似然估計方法C、蒙特卡洛方法D、拉普拉斯近似正確答案:【高斯逼近#蒙特卡洛方法#拉普拉斯近似】4、問題：隱馬爾可夫模型的三個基本問題是：選項：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)正確答案:【估值問題#尋找狀態(tài)序列#學(xué)習(xí)模型參數(shù)】5、問題：下圖是全連接圖。選項：A、正確B、錯誤正確答案:【錯誤】6、問題：貝葉斯網(wǎng)絡(luò)具有的條件獨立性是結(jié)點與其后代結(jié)點條件獨立選項：A、正確B、錯誤正確答案:【錯誤】7、問題：最大似然估計方法是實例數(shù)據(jù)不完備情況下的學(xué)習(xí)方法。選項：A、正確B、錯誤正確答案:【錯誤】8、問題：隱馬爾可夫模型是一種統(tǒng)計模型，經(jīng)常用來描述一個含有隱含未知參數(shù)的馬爾可夫過程。選項：A、正確B、錯誤正確答案:【正確】神經(jīng)網(wǎng)絡(luò)1、問題：下列哪項說法不正確選項：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)可以有多種設(shè)計正確答案:【生物神經(jīng)信號由樹突傳遞給軸突】2、問題：通常有哪幾種訓(xùn)練神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法？選項：A、梯度下降法B、隨機梯度下降法C、小批量隨機梯度下降法D、集成法正確答案:【梯度下降法#隨機梯度下降法#小批量隨機梯度下降法】3、問題：為什么循環(huán)神經(jīng)網(wǎng)絡(luò)可以用來實現(xiàn)自動問答，比如對一句自然語言問句給出自然語言回答？選項：A、因為自動問答可以看成是一種序列到序列的轉(zhuǎn)換B、因為循環(huán)神經(jīng)網(wǎng)要比卷積神經(jīng)網(wǎng)更強大C、因為循環(huán)神經(jīng)網(wǎng)絡(luò)能夠處理變長輸入D、因為卷積神經(jīng)網(wǎng)絡(luò)不能處理字符輸入正確答案:【因為自動問答可以看成是一種序列到序列的轉(zhuǎn)換#因為循環(huán)神經(jīng)網(wǎng)絡(luò)能夠處理變長輸入】4、問題：LSTM和GRU網(wǎng)絡(luò)因為引入了門控單元，可以緩解梯度消失問題選項：A、正確B、錯誤正確答案:【正確】5、問題：循環(huán)神經(jīng)網(wǎng)絡(luò)按時間展開后就可以通過反向傳播算法訓(xùn)練了選項：A、正確B、錯誤正確答案:【正確】6、問題：卷積神經(jīng)網(wǎng)絡(luò)通常比全連接神經(jīng)網(wǎng)絡(luò)參數(shù)少，因此能力更差選項：A、正確B、錯誤正確答案:【錯誤】7、問題：訓(xùn)練算法的目的就是要讓模型擬合訓(xùn)練數(shù)據(jù)選項：A、正確B、錯誤正確答案:【錯誤】8、問題：反向傳播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)的梯度選項：A、正確B、錯誤正確答案:【錯誤】強化學(xué)習(xí)1、問題：強化學(xué)習(xí)基本要素有哪些？選項：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、探索策略正確答案:【狀態(tài)、動作、獎勵】2、問題：Q-learning屬于哪種算法選項：A、On-policy算法B、Off-policy算法C、Model-based算法D、Value-based算法正確答案:【Off-policy算法】3、問題：馬爾科夫決策過程由哪幾個元素來表示選項：A、狀態(tài)、動作、轉(zhuǎn)移概率、策略、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、策略、回報函數(shù)正確答案:【狀態(tài)、動作、轉(zhuǎn)移概率、折扣因子、回報函數(shù)】4、問題：狀態(tài)值函數(shù)的貝爾曼方程為選項：A、B、C、D、正確答案:【】5、問題：以下哪種算法是TD-learning的方法選項：A、B、C、D、正確答案:【】6、問題：以下關(guān)于蒙特卡洛方法描述正確的是選項：A、蒙特卡洛方法計算值函數(shù)可以采用First-visit方法B、蒙特卡洛方法方差很大C、蒙特卡洛方法計算值函數(shù)可以采用Every-visit方法D、蒙特卡洛方法偏差很大正確答案:【蒙特卡洛方法計算值函數(shù)可以采用First-visit方法#蒙特卡洛方法方差很大#蒙特卡洛方法計算值函數(shù)可以采用Every-visit方法】7、問題：在Q-learning中，以下說法正確的是選項：A、在狀態(tài)時計算的前Q值，對應(yīng)的動作并沒有真正執(zhí)行，只是用來更新當(dāng)，同時也執(zhí)行了動作B、在狀態(tài)時計算的C、更新中，Q的真實值為D、更新中，Q的真實值為正確答案:【在狀態(tài)時計算的，對應(yīng)的動作并沒有真正執(zhí)行，只是用來更新當(dāng)前Q值#更新中，Q的真實值為】8、問題：Sarsa與Q-learning的區(qū)別是？選項：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)的下一個動作并沒有執(zhí)行，而sarsa的下一個動作在這次更新時已經(jīng)確定了D、Q-learning是一種保守的算法，sarsa是一種貪婪勇敢的算法正確答案:【Sarsa是on-policy，而Q-learning是off-policy#Q-learning在算法更新時，對應(yīng)的下一個動作并沒有執(zhí)行，而sarsa的下一個動作在這次更新時已經(jīng)確定了】9、問題：Q-learning與Sarsa相同的地方是選項：A、都使用了等策略進行探索B、都用q-table存儲狀態(tài)動作對C、更新公式相同D、兩者都可以找到最優(yōu)的策略正確答案:【都使用了等策略進行探索#都用q-table存儲狀態(tài)動作對】10、問題：關(guān)于經(jīng)驗池（experiencereplay）敘述正確的是選項：A、為了縮小樣本量，可以讓樣本輸入到神經(jīng)網(wǎng)絡(luò)中B、打破樣本之間的連續(xù)性C、每次更新時在經(jīng)驗池中按順序采樣樣本D、每次更新時隨機采樣樣本正確答案:【打破樣本之間的連續(xù)性#每次更新時隨機采樣樣本】11、問題：關(guān)于DQN說法正確的是選項：A、網(wǎng)絡(luò)最開始使用卷積神經(jīng)網(wǎng)絡(luò)或全連接網(wǎng)絡(luò)，目的是為了提取圖像特征信息B、對于atari游戲中，一般將連續(xù)4幀圖像放在一起作為一個state送到神經(jīng)網(wǎng)絡(luò)中C、網(wǎng)絡(luò)的輸出是動作D、網(wǎng)絡(luò)的輸出是Q值正確答案:【網(wǎng)絡(luò)最開始使用卷積神經(jīng)網(wǎng)絡(luò)或全連接網(wǎng)絡(luò)，目的是為了提取圖像特征信息#對于atari游戲中，一般將連續(xù)4幀圖像放在一起作為一個state送到神經(jīng)網(wǎng)絡(luò)中#網(wǎng)絡(luò)的輸出是Q值】12、問題：關(guān)于DoubleDQN說法正確的是選項：A、Q值的目標(biāo)值中的max操作會產(chǎn)生過估計，從而影響找到最佳策略B、DoubleDQN可以減小偏差C、DoubleDQN的目標(biāo)函數(shù)與DQN的完全相同D、DoubleDQN引入了優(yōu)勢函數(shù)（advantagefunction）正確答案:【Q值的目標(biāo)值中的max操作會產(chǎn)生過估計，從而影響找到最佳策略#DoubleDQN可以減小偏差】13、問題：以下哪種算法屬于策略梯度算法選項：A、DuelingDQNB、TRPOC、REINFORCED、PPO正確答案:【TRPO#REINFORCE#PPO】14、問題：關(guān)于A3C算法說法正確的是選項：A、使用了多個線程，每個線程對應(yīng)了不同的探索方式B、需要使用經(jīng)驗池存儲樣本C、A3C是off-policy的算法D、A3C是on-policy的算法正確答案:【使用了多個線程，每個線程對應(yīng)了不同的探索方式#A3C是on-policy的算法】15、問題：以下屬于Actor-Critic算法的是選項：A、DDPGB、DoubleDQNC、A3CD、NoisyDQN正確答案:【DDPG#A3C】16、問題：對于Actor-Critic算法，說法錯誤的是選項：A、Actor-Critic算法結(jié)合了policy-based和value-based的方法B、Critic網(wǎng)絡(luò)是用來輸出動作的C、Actor網(wǎng)絡(luò)是用來輸出動作的D、Actor網(wǎng)絡(luò)是用來評價Critic網(wǎng)絡(luò)所選動作的好壞的正確答案:【Critic網(wǎng)絡(luò)是用來輸出動作的#Actor網(wǎng)絡(luò)是用來評價Critic網(wǎng)絡(luò)所選動作的好壞的】期末試題1、問題：混淆矩陣中的TP=16，F(xiàn)P=12，F(xiàn)N=8，TN=4，召回率是選項：A、1/4B、1/2C、4/7D、2/3正確答案:【2/3】2、問題：混淆矩陣中的TP=16，F(xiàn)P=12，F(xiàn)N=8，TN=4，F(xiàn)1-score是選項：A、4/13B、8/13C、4/7D、2/3正確答案:【8/13】3、問題：EM算法的核心思想是？選項：A、通過不斷地求取目標(biāo)函數(shù)的下界的最優(yōu)值，從而實現(xiàn)最優(yōu)化的目標(biāo)。B、列出優(yōu)化目標(biāo)函數(shù)，通過方法計算出最優(yōu)值。C、列出優(yōu)化目標(biāo)函數(shù)，通過數(shù)值優(yōu)化方法計算出最優(yōu)值。D、列出優(yōu)化目標(biāo)函數(shù)，通過坐標(biāo)下降的優(yōu)化方法計算出最優(yōu)值。正確答案:【通過不斷地求取目標(biāo)函數(shù)的下界的最優(yōu)值，從而實現(xiàn)最優(yōu)化的目標(biāo)?！?、問題：EM算法的E和M指什么？選項：A、Expectation-MaximumB、Expect-MaximumC、Extra-MaximumD、Extra-Max正確答案:【Expectation-Maximum】5、問題：LDA模型的隱變量Z是選項：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)的主題正確答案:【每個詞對應(yīng)的主題】6、問題：LDA模型中的一個主題指：選項：A、詞集合上的一個概率分布B、詞組集合上的一個概率分布C、整個文檔上的一個概率分布D、整個文檔集合上的一個概率分布正確答案:【詞集合上的一個概率分布】7、問題：下列有關(guān)支持向量機說法不正確的是：選項：A、采用結(jié)構(gòu)風(fēng)險最小化原理B、具有很好的推廣能力C、是凸二次優(yōu)化問題D、得到的是局部最優(yōu)解正確答案:【得到的是局部最優(yōu)解】8、問題：下列有關(guān)核函數(shù)不正確的是：選項：A、極大地提高了學(xué)習(xí)機器的非線性處理能力B、函數(shù)與非線性映射并不是一一對應(yīng)的關(guān)系C、滿足Mercer條件的函數(shù)不一定能作為支持向量機的核函數(shù)D、可以采用cross-va1idalion方法選擇最佳核函數(shù)正確答案:【滿足Mercer條件的函數(shù)不一定能作為支持向量機的核函數(shù)】9、問題：k中心點算法每次迭代的計算復(fù)雜度是多少？選項：A、B、C、D、正確答案:【】10、問題：關(guān)于K-means說法不正確的是：選項：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)非凸形狀的簇正確答案:【適合發(fā)現(xiàn)非凸形狀的簇】11、問題：下圖中的聯(lián)合概率分布的吉布斯表示為：選項：A、B、C、D、正確答案:【】12、問題：下圖中有多少個團？選項：A、4B、5C、6D、7正確答案:【7】13、問題：下圖中使用概率的乘積規(guī)則將聯(lián)合概率展開式為：選項：A、B、C、D、正確答案