机器学习基础知到章节答案智慧树2023年太原理工大学

机器学习基础知到章节测试答案智慧树2023年最新太原理工大学第一章测试

样本是连续型数据且有标签，我们采用（）进行机器学习。

参考答案:

回归算法

在机器学习中，样本常被分成（）。

参考答案:

其它选项都有

机器学习算法需要显示编程，具备归纳、总结等自学习能力。（）

参考答案:

错

机器学习和人工智能、深度学习是一个概念，都是指机器模仿人类推理、学习能力。（）

参考答案:

错

特征工程非常重要，在采用机器学习算法前，首先需要利用特征工程确定样本属性。（）

参考答案:

对

第二章测试

K近邻算法认为距离越近的相似度越高。（）

参考答案:

对

K近邻算法中数据可以不做归一化，因为是否归一化对结果影响不大。（）

参考答案:

错

K近邻算法中采用不同的距离公式对于结果没有影响。（）

参考答案:

错

在上面图中，K=5，绿色样本的类别是（）。

参考答案:

蓝色正方形

在K近邻算法中，K的选择是（）？

参考答案:

与样本有关

第三章测试

下列（）中两个变量之间的关系是线性的。

参考答案:

重力和质量

下列说法不正确的是（）。

参考答案:

回归就是数据拟合

从某大学随机选择8名女大学生，其身高x(cm)和体重y(kg)的回归方程是y=0.849x-85.712，则身高172cm的女大学生，预测体重为（）。

参考答案:

60.316kg

lasso中采用的是L2正则化。（）

参考答案:

错

线性回归中加入正则化可以降低过拟合。（）

参考答案:

对

第四章测试

以下说法正确的是（）。

参考答案:

logistic回归的样本属性是连续型数据

logistic回归只能用于二分类问题。（）

参考答案:

错

logistic回归中也可以用正则化方法来防止过拟合。（）

参考答案:

对

考虑一个有两个属性的logistic回归问题。假设，则分类决策平面是（）。

参考答案:

假设训练了一个logistic回归分类器，对于一个样本我们有，则该式说明（）。

参考答案:

;

第五章测试

以下关于梯度下降算法说法正确的是（）。

参考答案:

学习率的选取会影响梯度下降算法的求解速度

随机梯度下降导致方向变化过大，不能很快收敛到最优解。（）

参考答案:

对

小批量梯度下降是结合了批量梯度下降和随机梯度下降，性能比批量梯度下降和随机梯度下降都好。（）

参考答案:

对

批量梯度下降是最原始的形式，它是指在每一次迭代时使用一部分样本的梯度来更新参数。（）

参考答案:

错

随机梯度下降中每次迭代使用一个样本的梯度。（）

参考答案:

对

第六章测试

决策树模型中建树的基本原则是（）。

参考答案:

信息增益大的属性应放在上层

哪些情况下必须停止树的增长（）

参考答案:

当前数据子集为空;当前数据子集的标签一致;没有更多可用属性;当前训练误差已经较低

关于决策树剪枝操作正确的描述是（）。

参考答案:

可以防止过拟合

决策树模型中如何处理连续型属性（）。

参考答案:

根据信息增益选择阈值进行离散化

下面哪个可能是决策树的决策边界()。

参考答案:

第七章测试

下面对集成学习模型中的弱学习器描述错误的是？（）

参考答案:

弱学习器通常会过拟合

给定数据集及弱分类器如上图，回答问题：初始样本的权重为（）。

参考答案:

0.1

给定数据集及弱分类器如上图，回答问题：第一次迭代选择的分类器是（

）。

参考答案:

;

给定数据集及弱分类器如上图，回答问题：

经过一次迭代，第一个弱学习器的权重为（）。

参考答案:

0.4236

给定数据集及弱分类器如上图，回答问题：经过一次迭代，错误分类的样本权重更新为（）。

参考答案:

第八章测试

下列选项中，对于硬间隔支持向量机，超平面应该是（）。

参考答案:

下列选项中，对于软间隔支持向量机，超平面应该是（）。

参考答案:

现有一个能被正确分类且远离超平面的样本，如果将其删除，不会影响超平面的选择。（）

参考答案:

对

上图中，长方形框中的样本松弛变量的值为（）。

参考答案:

大于1

上图中哪个超平面泛化能力更强（）。

参考答案:

A

第九章测试

训练样本如下，其中和

是特征，取值的集合为A1={1,2,3}和

A2={S,M,L}，C是类标记，取值为{-1,1}，回答如下问题：采用朴素贝叶斯算法，样本属于

1的概率为：()

参考答案:

1.48%

训练样本如上，其中和是特征，取值的集合为A1={1,2,3}和

A2={S,M,L}，C是类标记，取值为{-1,1}，回答如下问题：采用朴素贝叶斯算法，确定的分类为：()

参考答案:

-1

训练样本如上，其中和是特征，取值的集合为A1={1,2,3}和

A2={S,M,L}，C是类标记，取值为{-1,1}，回答如下问题：采用朴素贝叶斯算法，样本属于

-1的概率为：()

参考答案:

10%

朴素贝叶斯的基本假设是属性之间是相互独立的。（）

参考答案:

对

朴素贝叶斯是概率模型。（）

参考答案:

对

第十章测试

以下对经典K-means聚类算法解释正确的是（）

参考答案:

不能自动识别类的个数，随机挑选初始点为中心点计算

以下是一组用户的年龄数据，将K值定义为2对用户进行聚类。并随机选择16和22作为两个类别的初始质心，回答以下问题：

［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，样本“15”到质心16的距离是（）

参考答案:

1

以下是一组用户的年龄数据，将K值定义为2对用户进行聚类。并随机选择16和22作为两个类别的初始质心，回答以下问题：

［15，15，16，19，19，20，20，21，22，28，35，40，41，42，43，44，60，61，65］

第一次迭代结束后，样本20的分类为（）

参考答案:

原质心22的类

以下是一组用户的年龄数据，将K值定义为2对用户进行聚类。并随机选择16和22作为两个类别的初始质心，回答以下问题：

［15，15，16，19，19，20，20，21，22，28，35，40，41，42，43，44，60，61，65］

第一次迭代结束后，原质心16的类包含（）个样本。

参考答案:

3

以下是一组用户的年龄数据，将K值定义为2对用户进行聚类。并随机选择16和22作为两个类别的初始质心，回答以下问题：

［15，15，16，19，19，20，20，21，22，28，35，40，41，42，43，44，60，61，65］

第一次迭代结束后，原质心16更新后的质心是（）。

参考答案:

15.33

第十一章测试

如果某个项集是频繁的，那么它的所有子集也是频繁的。（）

参考答案:

对

如果某个项集是频繁的，那么它的所有超集也是频繁的。（）

参考答案:

错

根据上面交易记录，回答问题：2级频繁项集有（）。

参考答案:

尿布，豆奶

根据上面交易记录，回答问题：规则“豆奶->莴苣”的可信度是（）。

参考答案:

3/4

根据上面交易记录，回答问题：“豆奶”的支持度是（）。

参考答案:

4/5

第十二章测试

下列关于主成分分析法(PCA)说法错误的是?（）

参考答案:

要选出方差最小的作为主成分

主成分分析是一个线性变化，就是把数据变换到一个新的坐标系统中。（）

参考答案:

对

假设将原矩阵降维到一维，采用的特征向量为，则映射后的结果为（）。

参考答案:

假设有五条样本，属性是二维，样本数据为：请回答以下问题：协方差矩阵为（）。

参考答案:

假设有五条样本，属性是二维，样本数据为：请回答以下问题：进行中心化后的结果为（）。

参考答案:

第十三章测试

以下说法中错误的