【MOOC】機器學習-北京理工大學 中國大學慕課MOOC答案

【MOOC】機器學習-北京理工大學中國大學慕課MOOC答案緒論1、【單選題】下列哪位是人工智能之父？本題答案：【MarnivLeeMinsky】2、【單選題】根據(jù)王玨的理解，下列不屬于對問題空間W的統(tǒng)計描述是本題答案：【學習能力】3、【單選題】下列描述無監(jiān)督學習錯誤的是本題答案：【不需要降維】4、【單選題】下列描述有監(jiān)督學習錯誤的是本題答案：【所有數(shù)據(jù)都相互獨立分布】5、【單選題】下列哪種歸納學習采用符號表示方式？本題答案：【經(jīng)驗歸納學習】6、【單選題】混淆矩陣的假正是指本題答案：【模型預測為正的負樣本】7、【單選題】混淆矩陣的真負率公式是為本題答案：【TN/(TN+FP)】8、【單選題】混淆矩陣中的TP=16，F(xiàn)P=12，F(xiàn)N=8，TN=4，準確率是本題答案：【1/2】9、【單選題】混淆矩陣中的TP=16，F(xiàn)P=12，F(xiàn)N=8，TN=4，精確率是本題答案：【4/7】期望最大化算法1、【判斷題】關于EM算法的收斂性，EM算法理論上不能夠保證收斂。本題答案：【錯誤】2、【判斷題】關于EM算法的用途，EM算法只適用不完全數(shù)據(jù)的情形。本題答案：【錯誤】3、【判斷題】Jessen不等式等號成立的條件是：變量為常數(shù)本題答案：【正確】4、【判斷題】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)，左邊部分應該是小于等于右邊部分。本題答案：【正確】5、【判斷題】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。本題答案：【錯誤】6、【判斷題】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。本題答案：【正確】7、【判斷題】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，都能很容易求得結果。本題答案：【錯誤】8、【判斷題】EM算法通常不需要設置步長，而且收斂速度一般很快。本題答案：【正確】主題建模1、【多選題】LDA模型在做參數(shù)估計時，最常用的方法是本題答案：【Gibbs采樣方法#變分推斷】2、【判斷題】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的樣本。本題答案：【錯誤】3、【判斷題】LDA模型的核心假設是：假設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。本題答案：【正確】4、【判斷題】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系。本題答案：【錯誤】5、【判斷題】關于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。本題答案：【錯誤】6、【判斷題】LDA模型是一種生成式模型本題答案：【正確】7、【判斷題】主題建模的關鍵是確定數(shù)據(jù)集合的主題個數(shù)。本題答案：【錯誤】8、【判斷題】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。本題答案：【正確】SVM作業(yè)支持向量機1、【單選題】SVM算法的性能取決于：本題答案：【以上所有】2、【單選題】SVM中的代價參數(shù)C表示什么？本題答案：【在分類準確性和模型復雜度之間的權衡】3、【單選題】一對一法分類器，k個類別需要多少個SVM：本題答案：【k(k-1)/2】4、【判斷題】SVM中的泛化誤差代表SVM對新數(shù)據(jù)的預測準確度本題答案：【正確】5、【判斷題】若參數(shù)C（costparameter）被設為無窮，只要最佳分類超平面存在，它就能將所有數(shù)據(jù)全部正確分類本題答案：【正確】6、【判斷題】“硬間隔”是指SVM允許分類時出現(xiàn)一定范圍的誤差本題答案：【錯誤】7、【判斷題】支持向量是最靠近決策表面的數(shù)據(jù)點本題答案：【正確】8、【判斷題】數(shù)據(jù)有噪聲，有重復值，不會導致SVM算法性能下降本題答案：【錯誤】聚類分析1、【單選題】有關聚類分析說法錯誤的是：本題答案：【聚類分析一個簇中的數(shù)據(jù)之間具有高差異性】2、【單選題】兩個n維向量和之間的歐式距離（euclideandistance)為：本題答案：【】3、【單選題】閔可夫斯基距離表示為曼哈頓距離時p為：本題答案：【1】4、【單選題】下面是矩陣的特征值為：本題答案：【3】5、【判斷題】分裂層次聚類采用的策略是自底向上本題答案：【錯誤】6、【判斷題】DBSCAN對參數(shù)不敏感本題答案：【錯誤】7、【判斷題】EM聚類屬于軟分聚類方法本題答案：【正確】8、【判斷題】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本題答案：【正確】概率無向圖模型1、【單選題】下圖中有多少個最大團？本題答案：【2】2、【單選題】假設某事件發(fā)生的概率為p，則此事件發(fā)生的幾率為：本題答案：【p/(1-p)】3、【多選題】以下關于邏輯斯蒂回歸模型的描述正確的是本題答案：【針對分類的可能性進行建模，不僅能預測出類別，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，無需事先假設數(shù)據(jù)分布，這樣就避免了假設分布不準確所帶來的問題。#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、【多選題】條件隨機場需要解決的關鍵問題有：本題答案：【特征函數(shù)的選擇#參數(shù)估計#模型推斷】5、【判斷題】邏輯斯蒂回歸模型是一種回歸算法。本題答案：【錯誤】6、【判斷題】熵最大時，表示隨機變量最不確定，也就是隨機變量最隨機，對其行為做準確預測最困難。本題答案：【正確】7、【判斷題】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。本題答案：【正確】8、【判斷題】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。本題答案：【錯誤】概率有向圖模型1、【多選題】基于搜索評分的方法，關鍵點在于本題答案：【確定合適的搜索策略#確定評分函數(shù)】2、【多選題】基于約束的方法通過統(tǒng)計獨立性測試來學習結點間的本題答案：【獨立性#相關性】3、【多選題】在數(shù)據(jù)不完備時，貝葉斯網(wǎng)絡的參數(shù)學習方法有：本題答案：【高斯逼近#蒙特卡洛方法#拉普拉斯近似】4、【多選題】隱馬爾可夫模型的三個基本問題是：本題答案：【估值問題#尋找狀態(tài)序列#學習模型參數(shù)】5、【判斷題】下圖是全連接圖。本題答案：【錯誤】6、【判斷題】貝葉斯網(wǎng)絡具有的條件獨立性是結點與其后代結點條件獨立本題答案：【錯誤】7、【判斷題】最大似然估計方法是實例數(shù)據(jù)不完備情況下的學習方法。本題答案：【錯誤】8、【判斷題】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。本題答案：【正確】神經(jīng)網(wǎng)絡1、【單選題】下列哪項說法不正確本題答案：【生物神經(jīng)信號由樹突傳遞給軸突】2、【多選題】通常有哪幾種訓練神經(jīng)網(wǎng)絡的優(yōu)化方法？本題答案：【梯度下降法#隨機梯度下降法#小批量隨機梯度下降法】3、【多選題】為什么循環(huán)神經(jīng)網(wǎng)絡可以用來實現(xiàn)自動問答，比如對一句自然語言問句給出自然語言回答？本題答案：【因為自動問答可以看成是一種序列到序列的轉換#因為循環(huán)神經(jīng)網(wǎng)絡能夠處理變長輸入】4、【判斷題】LSTM和GRU網(wǎng)絡因為引入了門控單元，可以緩解梯度消失問題本題答案：【正確】5、【判斷題】循環(huán)神經(jīng)網(wǎng)絡按時間展開后就可以通過反向傳播算法訓練了本題答案：【正確】6、【判斷題】卷積神經(jīng)網(wǎng)絡通常比全連接神經(jīng)網(wǎng)絡參數(shù)少，因此能力更差本題答案：【錯誤】7、【判斷題】訓練算法的目的就是要讓模型擬合訓練數(shù)據(jù)本題答案：【錯誤】8、【判斷題】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)的梯度本題答案：【錯誤】強化學習1、【單選題】強化學習基本要素有哪些？本題答案：【狀態(tài)、動作、獎勵】2、【單選題】Q-learning屬于哪種算法本題答案：【Off-policy算法】3、【單選題】馬爾科夫決策過程由哪幾個元素來表示本題答案：【狀態(tài)、動作、轉移概率、折扣因子、回報函數(shù)】4、【單選題】狀態(tài)值函數(shù)的貝爾曼方程為本題答案：【】5、【單選題】以下哪種算法是TD-learning的方法本題答案：【】6、【多選題】以下關于蒙特卡洛方法描述正確的是本題答案：【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、【多選題】在Q-learning中，以下說法正確的是本題答案：【在狀態(tài)時計算的，對應的動作并沒有真正執(zhí)行，只是用來更新當前Q值#更新中，Q的真實值為】8、【多選題】Sarsa與Q-learning的區(qū)別是？本題答案：【Sarsa是on-policy，而Q-learning是off-policy#Q-learning在算法更新時，對應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、【多選題】Q-learning與Sarsa相同的地方是本題答案：【都使用了等策略進行探索#都用q-table存儲狀態(tài)動作對】10、【多選題】關于經(jīng)驗池（experiencereplay）敘述正確的是本題答案：【打破樣本之間的連續(xù)性#每次更新時隨機采樣樣本】11、【多選題】關于DQN說法正確的是本題答案：【網(wǎng)絡最開始使用卷積神經(jīng)網(wǎng)絡或全連接網(wǎng)絡，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)絡中#網(wǎng)絡的輸出是Q值】12、【多選題】關于DoubleDQN說法正確的是本題答案：【Q值的目標值中的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、【多選題】以下哪種算法屬于策略梯度算法本題答案：【TRPO#REINFORCE#PPO】14、【多選題】關于A3C算法說法正確的是本題答案：【使用了多個線程，每個線程對應了不同的探索方式#A3C是on-policy的算法】15、【多選題】以下屬于Actor-Critic算法的是本題答案：【DDPG#A3C】16、【多選題】對于Actor-Critic算法，說法錯誤的是本題答案：【Critic網(wǎng)絡是用來輸出動作的#Actor網(wǎng)絡是用來評價Critic網(wǎng)絡所選動作的好壞的】期末試題1、【單選題】混淆矩陣中的TP=16，F(xiàn)P=12，F(xiàn)N=8，TN=4，召回率是本題答案：【2/3】2、【單選題】混淆矩陣中的TP=16，F(xiàn)P=12，F(xiàn)N=8，TN=4，F(xiàn)1-score是本題答案：【8/13】3、【單選題】EM算法的核心思想是？本題答案：【通過不斷地求取目標函數(shù)的下界的最優(yōu)值，從而實現(xiàn)最優(yōu)化的目標?！?、【單選題】EM算法的E和M指什么？本題答案：【Expectation-Maximum】5、【單選題】LDA模型的隱變量Z是本題答案：【每個詞對應的主題】6、【單選題】LDA模型中的一個主題指：本題答案：【詞集合上的一個概率分布】7、【單選題】下列有關支持向量機說法不正確的是：本題答案：【得到的是局部最優(yōu)解】8、【單選題】下列有關核函數(shù)不正確的是：本題答案：【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、【單選題】k中心點算法每次迭代的計算復雜度是多少？本題答案：【】10、【單選題】關于K-means說法不正確的是：本題答案：【適合發(fā)現(xiàn)非凸形狀的簇】11、【單選題】下圖中的聯(lián)合概率分布的吉布斯表示為：本題答案：【】12、【單選題】下圖中有多少個團？本題答案：【7】13、【單選題】下圖中使用概率的乘積規(guī)則將聯(lián)合概率展開式為：本題答案：【】14、【單選題】貝葉斯網(wǎng)絡起源于貝葉斯統(tǒng)計學，是以_____為基礎的有向圖模型，它為處理不確定知識提供了有效的方法。本題答案：【概率論】15、【單選題】通用近似定理說明本題答案：【以上全不對】1