2024年春江苏开放大学机器学习形考作业二答案

2024年春江苏开放大学机器学习形考作业二答案注意：学习平台题目可能是随机，题目顺序与本答案未必一致，同学们在本页按“Ctrl+F”快捷搜索题目中“关键字”就可以快速定位题目，一定注意答案对应的选项，如果答案有疑问或遗漏，请在下载网站联系上传者进行售后。如需其它科目的答案也可以联系上传者。一、2024年春江苏开放大学机器学习形考作业二单选题答案1、下列关于软投票说法错误的是？A、投票表决器可以组合不同的基分类器B、使用概率平均的⽅式来预测样本类别C、可以对每个基分类器设置权重，⽤于对预测概率求进⾏加权平均D、软投票过程中每个基分类器都预测⼀个类别学生答案：D2、下列有关词袋表示法的理解有误的是（）A、将每个⽂本对应词表转化为特征向量B、仅出现在少数本⽂的词汇，⼀般被标记为停⽤词不计⼊特征向量C、不考虑词语出现的顺序，每个出现过的词汇单独作为⼀列特征D、不重复的特征词汇集合为词表学生答案：B3、兰德系数和轮廓系数都是常⽤的聚类分析指标，以下对兰德系数和轮廓系数说法错误的是A、轮廓系数适⽤于实际类别信息未知的情况B、在聚类结果随机产⽣的情况下，兰德系数不能保证系数接近于0、C、兰德系数取值为[0,1]，越⼤聚类结果与真实情况越接近D、调整兰德系数取值范围为[-1,1]，负数代表结果不好，越接近于0越好学生答案：D4、箱线图是检测离群值的⽅法，下⾯关于箱线图的说法不正确的是？A、箱线图中框的上边线表示上四分位数，框的下边线表示下四分位数B、箱外的两条线（胡须）分别延伸到最⼩和最⼤⾮异常点C、四分位距IQR=1.5(Q3-Q1)，其中Q3为上四分位数，Q1为下四分位数D、箱中⾼于上边缘和低于下边缘的值为离群点学生答案：C5、若集成模型中，预测值表示为，真实值为，则Adaboost的损失函数(LossFunction)表示为（）学生答案：B6、关于三种常⻅的稳健性回归⽅法–Huber回归、RANSAC回归和泰尔森回归，下列选项说法正确的是：A、从回归的速度上看，⼀般来说，Huber回归最快，其次是RANSAC回归，最慢的是泰尔森回归B、泰尔森回归⽐RANSAC回归在样本数量上的伸缩性（适应性）好C、⼀般情况下，泰尔森回归可以更好地处理y⽅向的⼤值异常点D、Huber回归可以更好地应对X⽅向的中等⼤⼩的异常值，但是这个属性将在⾼维情况下消失学生答案：A7、下列有关轮廓系数的说法错误的是（）A、所有样本的轮廓系数均值为聚类结果的轮廓系数，是该聚类是否合理、有效的度量B、某个样本的轮廓系数近似为0，说明该样本在两个簇的边界上C、某个样本的轮廓系数的绝对值接近1，说明该样本聚类结果合理D、某个样本的轮廓系数接近1，说明该样本聚类结果合理学生答案：C8、下列模型中属于回归模型的是？A、ID3、B、DBSCANC、线性回归D、逻辑回归学生答案：C9、下列有关ROC曲线与AUC的描述错误的是A、ROC曲线越靠近(0,1)证明模型整体预测能⼒越差B、AUC的取值为[0.5,1]C、AUC的⼏何意义为ROC曲线与横轴FPR之间的⾯积D、ROC曲线可以⽤来考察模型的预测能⼒学生答案：A10、下列有关包裹式和嵌⼊式特征选择的说法错误的是（）A、嵌⼊式特征选择的思想是根据模型分析特征的重要性，常⽤正则化⽅式来做特征选择B、包裹式特征选择的思想是把特征选择看做⼀个特征⼦集搜索问题，筛选各个特征⼦集，⽤模型评估各个⼦集的效果C、Scikit-learn中实现嵌⼊式特征选择的类SelectFromModel必须与有feature_importances_或者coef_属性的模型⼀起使⽤，如随机森林和逻辑回归D、Scikit-learn中实现嵌⼊式特征选择的类有SelectFromModel、RFE和RFECV学生答案：D11、下列有关特征抽取和特征选择的说法有误的⼀项是（）A、特征抽取和特征选择是达到降维⽬的的两种途径B、PCA和LDA是特征选择的两种主要⽅法C、特征抽取的⽬标是根据原始的d个特征的组合形成k个新的特征，即将数据从d维空间映射到k维空间D、特征选择的⽬标是从原始的d个特征中选择k个特征学生答案：B12、以下程序语句有误的是（）A、clf=LogisticRegression(penalty=’l1′,random_state=10,solver=’liblinear’)B、clf=LogisticRegression(penalty=’l2′,random_state=10,solver=’liblinear’)C、clf=LogisticRegression(penalty=’l1′,random_state=10,solver=’lbfgs’)D、clf=LogisticRegression(penalty=’l2′,solver=’newton-cg’)学生答案：C13、关于线性回归模型的正则化，下列选项叙述不正确的是：A、正则化的常⽤⽅法为岭回归和LASSO，主要区别在于岭回归的⽬标函数中添加了L2惩罚函数，⽽LASSO的⽬标函数中添加的是L1惩罚函数B、正则化可以减⼩线性回归的过度拟合和多重共线性等问题C、对⽐岭回归和LASSO，岭回归更容易得到稀疏解D、在求解LASSO时，常⽤的求解算法包括坐标下降法、LARS算法和ISTA算法等学生答案：C14、下列关于特征选择⽬的和原则的说法错误的是（）A、特征选择能有效降低特征维度，简化模型B、与⽬标特征相关性⾼的特征应该优先被选择C、⽅差较⾼的特征应该被剔除D、特征选择可以有效提升模型性能学生答案：C15、下列有关过滤式特征选择的说法错误的是（）A、过滤式特征选择的⽅法是评估单个特征和结果值之间的相关程度，留下相关程度靠前的特征B、过滤式特征选择的评价指标主要有Pearson相关系数，互信息，距离相关度等；其中卡⽅检验(chi2)，F检验回归(f_regression),互信息回归(mutual_info_regression)⽤于回归问题，F检验分类(f_classif),互信息分类(mutual_info_classif)⽤于分类问题C、Scikit-learn中实现过滤式特征选择的SelectKBest类可以指定过滤个数，SelectPercentile类可以指定过滤百分⽐D、过滤式特征选择的缺点是只评估了单个特征对结果的影响，没有考虑到特征之间的相关作⽤，可能剔除有⽤的相关特征学生答案：B16、以下四个算法中，哪个不属于Scikit-learn聚类的主要算法（）A、cluster.SpectralClusteringB、neighbors.KNeighborsRegressorC、cluster.KMeansD、cluster.AgglomerativeClustering学生答案：B17、下列有关DBSCAN聚类算法的理解有误的⼀项是（）A、对数据集中的异常点敏感B、不需要预先设置聚类数量kC、调参相对于传统的K-Means之类的聚类算法稍复杂，需要对距离阈值ϵ，邻域样本数阈值MinPts联合调参，不同的参数组合对最后的聚类效果有较⼤影响D、可以对任意形状的⾼密度数据集进⾏聚类，相对的，K-Means之类的聚类算法⼀般只适⽤于凸数据集学生答案：A18、下图给出了三个节点的相关信息，请给出特征A1、A2及A3的特征重要性递减排序（）A、A3>A1>A2B、所给信息不⾜。C、A2>A3>A1D、A1>A2>A3学生答案：A二、2024年春江苏开放大学机器学习形考作业二多选题答案1、下列关于缺失值处理的说法错误的是（）A、可以将缺失值作为预测⽬标建⽴模型进⾏预测，以此来插补缺失值B、连续型特征可以使⽤众数来插补缺失值C、根据经验，可以⼿动对缺失值进⾏插补D、离散型特征可以使⽤平均值来插补缺失值学生答案：B；D2、将连续型特征离散化后再建⽴逻辑回归模型，这样做对模型有什么影响（）A、计算结果⽅便存储，容易扩展。B、起到简化逻辑回归模型的作⽤C、易于模型的快速迭代D、离散化后的特征对异常数据敏感学生答案：A；B；C3、下列哪些⽅法可以解决数据集的线性不可分问题（）A、⾼斯核SVMB、多项式核SVMC、软间隔SVMD、硬间隔SVM学生答案：A；B；C4、以下关于集成模型中提升法（boosting）与装袋法（bagging）的⽐较，说法正确的是（）A、Boosting主要⽤于⽤于抑制过拟合；⽽Bagging主要⽤于优化弱分类器。B、Boosting的学习器可并⾏训练，⽆顺序；Bagging的学习器需要串⾏进⾏，有顺序。C、Boosting⼀般采⽤整个训练集训练学习器；Bagging则采⽤部分训练集，没⽤到的数据可⽤于测试。D、Adaboost是⼀种Boosting⽅法；RandomForest是⼀种Bagging⽅法。学生答案：C；D5、下列关于软投票说法正确的是？（多选）A、软投票过程中每个基分类器都预测⼀个类别B、可以对每个基分类器设置权重，⽤于对预测概率求进⾏加权平均C、投票表决器可以组合不同的基分类器D、使用概率平均的⽅式来预测样本类别学生答案：B；C；D6、下列有关scikit-learn中TfidfVectorizer类和CountVectorizer类的说法错误的是（）A、属性stop_words：返回停⽤词表B、参数stop_words：设置停⽤词，默认为None（没有），可设置为english或list（⾃⾏给定）C、参数min_df：设定阈值，忽略频率⾼于此阈值的词汇，默认为1、D、属性vocabulary_：返回词汇表（字典型）学生答案：A；C7、模型输⼊的特征通常需要是数值型的，所以需要将⾮数值型特征通过特征编码转换为数值特征。下列选项对DataFrame对象df1中的Make字段进⾏特征编码，其中正确的是？A、fromsklearn.preprocessingimportLabelEncoderle=LabelEncoder()df1[‘Make’]=le.fit_transform(df1[“Make”])B、df1[‘Make’]=df1[‘Make’].str.replace({‘Toyota’:1,‘Ford’:2,‘Volvo’:3,‘Audi’:4,‘BMW‘:5,‘Nissan’:6})C、df1[‘Make’]=df1[‘Make’].map({‘Toyota’:1,‘Ford’:2,‘Volvo’:3,‘Audi’:4,‘BMW’:5,‘Nissan’:6})D、df1[‘Make’]=df1[‘Make’].replace({‘Toyota’:1,‘Ford’:2,‘Volvo’:3,‘Audi’:4,‘BMW’:5,‘Nissan’:6})学生答案：A；C；D8、关于sklearn中的KNeighborsClassifier算法类，下列说法正确的是（）A、距离度量附属参数p可设置为p=2“euclidean”(欧式距离)、p=1为“manhattan”(曼哈顿距离)，默认为2、B、K近邻算法通过对以样本a为圆⼼，半径为k的圆内的训练样本进⾏多数投票来确定样本a的类别。C、当样本分布较乱，预测效果不好时，可将weights设置为“distance”，将距离⽬标更近的近邻点赋予更⾼的权重，来改善预测效果D、参数’n_neighbors’的取值应该越⼤越好学生答案：A；C9、现有⼀个垃圾邮件分类问题，⽤N个关键词汇X1,X2,…,XN作为特征，将所有的邮件分类为垃圾邮件C1与正常邮件C2。m1为出现了关键词汇X1的垃圾邮件数量，m为垃圾邮件总数，M为所有邮件总数，则下列加⼊Laplace平滑（平滑系数为1）的概率公式表示正确的是（）学生答案：B；D10、分类正确率、混淆矩阵是评价分类模型效果的重要依据，下列编程语句有错误的是（）(其中x,y是训练集和训练集标签，分别为DataFrame对象和Series对象）A、语句（4）B、语句（3）C、语句（2）D、语句（1）学生答案：A；B11、下列关于⽂本特征抽取中TF-IDF⽅法理解正确的是（）A、TF即词频：某词汇在该⽂本中出现的频率B、TF-IDF=TF*IDFC、TF-IDF⽅法有效过滤掉不常⻅的词语D、IDF即逆⽂本频率：词频的权重调整系数学生答案：A；B；D题型：多选题客观题分值4分难度：一般得分：012、Scikit-learn中，对函数metrics.accuracy_score使⽤⽅法描述正确的是A、fromsklearn.metricsimportaccuracy_scoreprint(accuracy_score(y_test,y_pred,norm