大数据与人工智能智慧树知到期末考试答案2024年

大数据与人工智能智慧树知到期末考试答案2024年大数据与人工智能在降维技术方面，PCA的中文含义是（）。

A:特征选择技术。B:线性判别方法C:数据压缩技术D:主成分分析答案:主成分分析Combiner和Reducer类都指向继承于Reducer的内部类（）。

A:TaskTrackerB:HdfsC:ReduceD:JobTracker答案:Reduce（）是一种消极学习方法，它不需要建立模型，然而测试样例的开销很大，因为需要逐个计算测试样例和训练样例之间的相似度。

A:支持向量机B:最近邻分类器C:神经网络D:决策树分类法答案:最近邻分类器在一元线性回归中y的取值的波动称为（）。

A:变差B:差值C:误差D:偏差答案:变差（）是指在决策树生成过程中，对每个结点在划分前进行估计，若当前结点的划分不能带来决策树泛化性能的提升，则停止划分并将当前结点标记为叶结点。

A:预剪枝B:分枝C:后剪枝D:剪枝答案:预剪枝C4.5决策树学习算法以（）为准则划分属性。

A:信息增益B:增益率C:基尼系数D:信息熵答案:增益率网络附加存储的英文缩写是（

）。

A:DASB:SANC:BASD:NAS答案:NASVGG构建深度模型是通过重复使用（）。

A:平均池化层B:VGG块C:推理机D:感知机E:LeNet模型答案:VGG块LDA是一种（）的降维技术，也就是说它的数据集的每个样本是有类别输出的。

A:非监督学习B:监督学习C:群智能D:自适应学习答案:监督学习（）通常考虑的也是同质弱学习器。它以一种高度自适应的方法顺序地学习这些弱学习器（每个基础模型都依赖于前面的模型），并按照某种确定性的策略将它们组合起来。

A:boostingB:baggingC:wrapperingD:stacking答案:boosting大部分自然科学的本质（）。

A:数学函数B:数据分析C:物理定律D:专家系统E:信息采样答案:数据分析（）思想是通过将这些弱学习器的偏置和/或方差结合起来，从而创建一个强学习器，从而获得更好的性能。

A:Embedded方法B:集成方法C:Wrapper方法D:PCA方法答案:集成方法大数据价值体现的手段和前进的基石是（）。

A:实践B:思想C:技术D:理论答案:技术遗传算法中首要解决的问题（）。

A:适应度函数的设计B:遗传操作的设计C:初始种群的设定D:参数编码答案:参数编码（）是认知的必经途径，也是被广泛认同和传播的基线。

A:理论B:思想C:技术D:实践答案:理论借助某种存储工具或媒介对采集到的数据进行持久化的保存是指（）。

A:数据建模B:数据获取C:数据存储D:数据清洗答案:数据存储（）通常考虑的是异质弱学习器，并行地学习它们，并通过训练一个元模型将它们组合起来，根据不同弱模型的预测结果输出一个最终的预测结果。

A:wrapperingB:stackingC:baggingD:boosting答案:stacking在实例中可用于读入数据文件的函数是（）。

A:fit()B:train_test_split()C:loadtext()D:mgrid()答案:loadtext()在大数据组成中，数据的主要部分是（）。

A:半结构化数据B:结构化数据C:视频数据D:非结构化数据答案:非结构化数据ID3决策树学习算法以（）为准则来选择划分属性。

A:信息增益B:增益率C:基尼系数D:信息熵答案:信息增益数据格式的多样性表现在（

）。

A:音频数据B:数值信息C:图片D:文本数据E:视频数据答案:文本数据###音频数据###图片###视频数据MapReduce分布式并行编程使程序员只关注（）的实现。

A:Hadoop函数B:Map函数C:Split函数D:Reduce函数E:HDFS函数答案:Map函数###Reduce函数Hadoop生态圈的组件包括（

）。

A:数据分析工具B:数据处理C:数据采集D:数据集成E:数据存储答案:数据存储;数据集成;数据处理;数据分析工具核函数的作用（

）。

A:实现低维映射B:非线性支持向量机C:变量替换D:不用计算高维映射特征E:减少计算量答案:不用计算高维映射特征;减少计算量数据来源的多样性包括（）。

A:存在较强关联性的其他领域的数据B:来源于使用者自身产生的数据信息C:计算机产业的数据D:视频数据信息E:来源于机器自身装配备装置的测量报告答案:来源于使用者自身产生的数据信息;来源于机器自身装配备装置的测量报告;计算机产业的数据;存在较强关联性的其他领域的数据AlphaGo主要分为两大部分，分别是（）。

A:Agent网络B:神经网络C:目标优化网络D:价值评估网络E:落子决策网络答案:落子决策网络###价值评估网络下列选项属于语音识别的主要应用的是（）。

A:电脑系统声控B:电话客服C:医疗领域听写D:语音书写E:电话外呼答案:电话外呼###医疗领域听写###语音书写###电脑系统声控###电话客服科学计算可分为（）。

A:符号运算B:定性计算C:纯数值的计算D:理论计算E:定量计算答案:纯数值的计算###符号运算有监督学习的分类（）。

A:回归分析B:二元分类C:无监督学习D:有监督学习E:多元分类答案:二元分类###多元分类###回归分析支持向量机又被分为（）。

A:非线性支持向量机B:高斯向量机C:多项式向量机D:线性支持向量机E:线性核答案:线性支持向量机###非线性支持向量机遗传算法中常见的交叉操作主要有以下几种（）。

A:均匀交叉B:单点交叉C:前后交叉D:两点交叉E:算术交叉答案:单点交叉###两点交叉###均匀交叉###算术交叉Mapper类是一个泛型类，四个参数分别指定map函数的（

）。

A:输出值B:输入值C:环境值D:输出键E:输入键答案:输入键###输入值###输出键###输出值相似系数度量包含（）。

A:离散系数B:余弦相似度C:杰卡德相似系数D:皮尔逊系数E:正弦相似度答案:余弦相似度###杰卡德相似系数###皮尔逊系数特征分类包括（）。

A:规模特征B:数量特征C:相关特征D:无关特征E:冗余特征答案:冗余特征###无关特征###相关特征将目标函数转换成适应度函数一般应遵循的原则包括（）。

A:适应度必须非正B:优化过程中目标函数的变化方向应与群体进化过程中适应度函数变化方向一致C:优化过程中目标函数的变化方向应与群体进化过程中适应度函数变化方向相反D:适应度必须非负E:必须是实数答案:适应度必须非负###优化过程中目标函数的变化方向应与群体进化过程中适应度函数变化方向一致对于企业存储设备而言，根据存储实现方式，可将数据存储划分为（）。

A:文件存储B:直接附加存储C:网络附加存储D:网络存储E:存储区域网络答案:直接附加存储###网络附加存储###存储区域网络深度学习近十年保持高速发展的原因有（）。

A:多层次设计B:生成对抗网络C:注意力机制D:多阶设计E:优秀的容量控制法答案:优秀的容量控制法###注意力机制###生成对抗网络###多阶设计一元线性回归的显著性检验包括（）。

A:回归系数的检验B:密度检验C:回归检验D:统计决策检验E:线性关系的检验答案:线性关系的检验###回归系数的检验最大池化取池化窗口中输入元素的最大值作为输出。

A:对B:错答案:对所谓推理,就是为了达到某一目标而多次地进行某种操作、运算、推理或计算的过程。

A:错B:对答案:错线性判别式分析也叫做Fisher线性判别。

A:对B:错答案:对集成性特性是数据仓库和操作型数据库的根本区别。

A:对B:错答案:错数据处理是对数据的采集，存储检索，加工变换和传输等操作。

A:对B:错答案:对在进行模型训练之前，不需要对Iris数据集进行任何处理。

A:对B:错答案:错多元回归分析预测法，是指通过对两个或两个以上的自变量与一个因变量的相关分析，建立预测模型进行预测的方法。

A:对B:错答案:对深度学习的可解释性差。

A:错B:对答案:对卷积运算是卷积窗口中的输入子数组与核数组按照对应元素相除并求和。

A:错B:对答案:错卷积层和最大池化层的作用是一样的。

A:对B:错答案:错两个等长的字符串s1和s2之间的汉明距离定义为将其中一个变为另一个所需要做的最小替换次数。

A:对B:错答案:对数据可视化是指把数据通过直观的可视化的方式展示给用户。

A:对B:错答案:对填充是在输入四个角的位置填充元素255。

A:对B:错答案:错数据工程是指面向不同计算平台和应用环境，使用信息系统设计开发和评价的工程化技术和方法。

A:错B:对答案:对传统的数据采集不仅能够按照某种匹配模式抓取数据，同时能够实时监控数据质量。

A:对B:错答案:错PCA原理中，找出第一个主成分的方向，也就是数据方差最大的方向。

A:对B:错答案:对Apriori算法具有这样一条性质：任一频繁项集的所有非空子集也必须是频繁的。

A:对B:错答案:对AlexNet证明手工设计的特征仍然比学习到的特征好。

A:对B:错答案:错集成性是指数据仓库会将不同来源数据库中的数据汇总到一起。

A:对B:错答案:对计算机视觉主要研究目标是使计算机具有通过二维图像认知三维环境信息的能力。

A:对B:错答案:对特征选择的目的（

）。

A:减少特征数量、降维B:降低数据的复杂性C:降低学习任务的难度，提升模型的效率D:使模型泛华能力更强，减少过拟合E:增强对特征和特征值之间的理解答案:AI参考:正确选项为：A、C、D。\n\n特征选择的目的包括：\n\n1.减少特征数量、降维（A对）：特征选择可以将数据中的冗余或无关特征剔除，降低数据维度，从而简化模型，提升模型效率。\n2.降低学习任务的难度，提升模型的效率（C对）：特征选择可以剔除那些与目标关系不大的特征，减轻模型的训练难度，加快模型的学习速度。\n3.使模型泛化能力更强，减少过拟合（D对）：在机器学习中，过拟合是一个常见的问题。通过特征选择，可以选择出对目标变量影响较大的特征，使模型在训练数据和测试数据上表现都更好。\n\n而B选项“降低数据的复杂性”和E选项“增强对特征和特征值之间的理解”更多地是描述特征选择的作用，而不是特征选择的目的。因此，B、E选项不是正确答案。'数据库类型包括（）。

A:操作性处理数据库B:数据编辑库C:分析型数据库D:联机事务处理库E:操作型数据库答案:AI参考:正确选项为：C、分析型数据库；E、操作型数据库。\n\n数据库类型分为三种：操作型数据库、分析型数据库和中间型。\n\n*操作型数据库，是用于处理各种事务、流程的操作处理型数据库。常见的数据库系统，如Oracle、SQLServer、MySQL等都是典型