人工智能与机器学习智慧树知到期末考试答案章节答案2024年广东医科大学

人工智能与机器学习智慧树知到期末考试答案+章节答案2024年广东医科大学RNN中的循环连接可以帮助模型捕捉时间序列数据中的依赖关系。（）

答案:对朴素贝叶斯分类器的变量必须是非连续性变量。（）

答案:错感知机是一种无监督学习算法。（）

答案:错感知机可以用于解决非线性分类问题。（）

答案:错SVM的目标是找到一个决策边界，使得支持向量之间的间隔最小化。（）

答案:错RNN适合处理固定长度的序列数据，无法应对可变长度的序列。（）

答案:错贝叶斯网络推理就是用概率的方法进行确定性推理。（）

答案:错贝叶斯分类器的特点是假设样本各维属性独立。（）

答案:对卷积神经网络中的卷积操作通常用于检测图像中的边缘和纹理特征。（）

答案:对卷积神经网络和循环神经网络常常被组合在深度学习模型中，以处理多种类型的数据。（）

答案:对逻辑回归是一种用于分类的线性模型。（）

答案:对在多元线性回归中，目标是最小化平方损失函数。（）

答案:对RNN中的隐藏层可以在每个时间步共享权重。（）

答案:对感知机和支持向量机都可以用于二分类问题。（）

答案:对一个命题在同一条件下能同时既为真又为假。（）

答案:错神经网络中的梯度消失问题可以通过合适的激活函数和权重初始化得到缓解。（）

答案:对卷积神经网络通常用于图像识别和计算机视觉任务。（）

答案:对在卷积神经网络中，卷积层的参数是共享的。（）

答案:对卷积神经网络中的卷积操作用于检测图像中的特定形状。（）

答案:对命题是可以判断真假的陈述句。（）

答案:对下列哪种可视化方法不适合聚类分析？（）

答案:直方图###条状图###箱图支持向量机（SVM）的目标是（）

答案:最小化支持向量的间隔###找到一个最大间隔的决策边界下面有关决策树剪枝的说法正确的是（）。

答案:决策树剪枝符合Occam剃刀原理(即机器学习模型越简单越好)###决策树剪枝的目的是为了减少训练过程的过拟合,从而提升决策树模型的准确性###决策树剪枝可以放在决策树的构造过程(预剪枝),也可以等决策树模型全部建立后再做(后剪枝)感知机是一种什么类型的模型？（）

答案:二分类模型###线性分类模型有关聚类算法正确的说法是（）。

答案:聚类算法可以找出每组样本不同的特征###聚类是分类的基础###把分析的样本根据距离分组感知机是用于解决哪种类型的问题？（）

答案:二分类问题###线性分类问题下列对命题描述正确的是？（）

答案:一个命题可在一定条件下为真，而在另一条件下为假###“太阳每天从东方升起”是一个命题卷积神经网络（CNN）的池化层的主要作用是什么？（）

答案:减小特征图的尺寸###保留主要特征循环神经网络（RNN）中的隐藏状态有什么特点？（）

答案:用于捕捉时间序列数据中的依赖关系###可以在不同时间步共享支持向量机（SVM）的训练目标是什么？（）

答案:最大化决策边界间的间隔###最小化支持向量之间的间隔###找到一个决策边界线性模型的损失函数通常包括哪些？（）

答案:对数损失###均方误差卷积神经网络（CNN）中的池化层主要用于哪些目的？（）

答案:保留主要特征###减小特征图的尺寸循环神经网络（RNN）的典型应用包括（）

答案:语音识别###自然语言处理卷积神经网络（CNN）主要用于哪些任务？（）

答案:图像识别###目标检测强化学习的分类方式有哪些？（）

答案:无模型（model-free）学习###基于价值（value-based）的学习###基于策略（policy-based）的学习###有模型（model-based）学习在支持向量机（SVM）中，核函数有什么作用？（）

答案:将数据映射到高维特征空间K-means无法聚下面哪种形状样本？（）

答案:螺旋分布下述（）不是人工智能中常用的知识格式化表示方法。（）

答案:形象描写表示法哪个选项描述了过拟合？（）

答案:模型过度复杂，以致于捕捉了训练数据中的噪声什么是线性回归的主要目标？（）

答案:最小化平方损失哪个步骤不是机器学习所需的预处理工作（）。

答案:与用户讨论分析需求循环神经网络（RNN）中的隐藏层可以在每个时间步共享什么？（）

答案:权重电影投资金额和电影收入之间的关系可以用一个一元线性回归方程来表示，下列说法正确的是（）。

答案:投资越多收入越多下面关于主成分分析PCA的描述中错误的是（）。

答案:奇异值分解只能适用于指定维数的矩阵分解专家系统是以（）为基础，以推理为核心的系统。（）

答案:知识在强化学习过程中，（）能够在稍微偏离目前最好策略的基础上，尝试更多策略，（）能够运用目前最好的策略，获取更高的奖励。（）

答案:探索，利用神经网络的优化过程通常使用哪种算法来调整权重？（）

答案:反向传播有关回归模型的系数，说法错误的是哪个（）。

答案:多元回归模型的系数可以使用梯度下降法求得卷积神经网络（CNN）中的卷积操作主要用于什么？（）

答案:检测图像中的特征知识库中，中文知识库是（）。

答案:HowNet下面有关过拟合的认识错误的是（）。

答案:过拟合是因为训练样本太多了,把训练样本的规律都拟合进去了,因此检测样本的准确率也很高有关决策树的分类方法正确的是（）。

答案:决策树可以用于发现多种样本的特征循环神经网络（RNN）适用于处理什么类型的数据？（）

答案:序列数据下列哪种神经网络适合处理文本分类任务？（）

答案:循环神经网络（RNN）确定性知识是指（）知识。（）

答案:可以精确表示的有关机器学习理解不正确的是（）。

答案:查询大量的操作数据去发现新的信息在神经网络中，什么是学习率？（）

答案:调整权重的步长在卷积神经网络中，卷积层的主要作用是什么？（）

答案:执行卷积操作，检测特征下列关于专家系统的说法正确的是（）？（）

答案:HEARSAY-II是语言理解专家系统###R1是DEC公司用于设计计算机配置的专家系统###MYCIN是用于医疗诊断的咨询专家系统专家系统的特点有（）？（）

答案:启发性###预测性###透明性在理想专家系统中，用于人与系统进行信息交流的媒介是（）。（）

答案:接口MACSYMA属于诊断专家系统。（）

答案:错在EMYCIN中，当前提为真时，规则将前提与一个行为结合起来，否则与另一个行为结合起来，并且可以用一个-1到+1之间的数字来表示在该前提下行为的可信度。（）

答案:对描述的是专家系统的是（）

答案:一般由事实库、规则库、推理机构成Q(s,a)是指在给定状态s的情况下，采取行动a之后，后续的各个状态所能得到的回报（）

答案:期望值在梯度下降中，什么因素可以影响模型的收敛速度？（）

答案:初始权重的选择###学习率的大小强化学习的损失函数是使奖励和期望最大。（）

答案:对对于有模型强化学习，下列说法正确的是？（）

答案:常见的有模型学习算法包括动态规划、蒙特卡洛树搜索等。###有模型强化学习是一类依赖于环境模型（状态转移概率和奖励函数）的强化学习算法###模型算法通过学习环境的模型来进行规划和决策。强化学习需要由外部提供带标签的训练数据，在交互中对代理的工作选择做出反馈。（）

答案:错在强化学习过程中，学习率越大，表示采用新的尝试得到的结果比例越（），保持旧的结果的比例越（）。（）

答案:大，小聚类分析在哪些领域有着非常广泛的应用？（）

答案:生物学###生态学###人口学###电子商务k-means适合不规则形状的聚类。（）

答案:错层次聚类有自下而上和自上而下两种方法。（）

答案:对在聚类分析中，经常使用（）来计算数值属性的相异性？（）

答案:欧式距离聚类分析分析是一种典型的（）？（）

答案:无监督学习常用的聚类划分方式有哪些？（）

答案:层次聚类###原型聚类###密度聚类哪个选项描述了Boosting算法的主要思想？（）

答案:在每个训练阶段，将错误样本放入新的训练集中，并对模型进行更新和调整哪个选项描述了集成学习中常用的“Bagging”方法的主要思想？（）

答案:将数据集随机划分为多个子数据集，并在每个子数据集上训练一个独立的模型集成学习是一种通过结合多个学习模型来提高预测准确性和稳定性的机器学习方法。哪个选项正确描述了集成学习的基本思想？（）

答案:将多个学习模型进行加权组合集成学习是一种通过结合多个学习模型来提高预测准确性和稳定性的机器学习方法。哪个最能描述集成学习的基本思想？（）

答案:通过对多个模型进行平均或投票来组合预测结果哪个选项描述了随机森林的一个主要优势？（）

答案:ABC都是哪个选项描述了Bagging算法的主要步骤？（）

答案:对原始数据集进行有放回的随机采样，生成多个不同的子数据集，并在每个子数据集上训练一个独立的模型哪个选项是随机森林算法的核心特点？（）

答案:ABC都是假设X和Y都服从正太分布，那么P(X<5,Y<0)就是一个（），表示X<5,Y<0两个条件同时成立的概率，即两个事件共同发生的概率。（）

答案:联合概率朴素贝叶斯分类器采用了属性独立性假设，对已知类别，假设所有属性相互独立。（）

答案:对关于朴素贝叶斯，下列说法错误的是（）

答案:朴素贝叶斯模型无需假设特征条件独立###朴素贝叶斯不需要使用联合概率以A表示事件“甲种产品畅销，乙种产品滞销”，则其对立事件A为（）

答案:甲种产品滞销或乙种产品畅销朴素贝叶斯分类器的训练过程就是基于训练集来估计类后验概率，并为每个属性估计条件概率。（）

答案:错SVM可以用于多类分类问题，但通常需要采用一对一或一对多的方法。（）

答案:对SVM适用于哪些类型的机器学习任务？（）

答案:多类分类###二分类SVM中的核函数可以是哪些类型？（）

答案:多项式核函数###线性核函数SVM的支持向量是指什么？（）

答案:那些位于间隔边界上的数据点SVM在训练中的主要目标是什么？（）

答案:最大化间隔边界的宽度###最小化损失函数SVM的目标是找到一个决策边界，使得支持向量之间的间隔最大化。（）

答案:对什么是软间隔SVM？（）

答案:SVM模型容忍一些训练数据点的分类错误在SVM中，间隔边界的宽度由哪些因素决定？（）

答案:间隔边界到最近的支持向量的距离SVM对于非线性问题无法有效处理，只适用于线性可分的数据。（）

答案:错哪些属于神经网络的常见激活函数？（）

答案:Sigmoid###Softmax###ReLU###Tanh哪种神经网络结构特别适用于处理序列数据，如自然语言处理和语音识别？（）

答案:循环神经网络卷积神经网络（CNN）的核心思想是什么？（）

答案:权重共享###局部感知卷积神经网络（CNN）在哪些领域广泛应用？（）

答案:图像识别卷积神经网络（CNN）中的卷积层用于减小特征图的尺寸。（）

答案:错在循环神经网络（RNN）中，哪些是主要的问题或挑战？（）

答案:长期依赖问题###梯度消失###梯度爆炸哪种神经网络结构通常用于二分类和多分类任务，并采用逻辑函数作为激活函数？（）

答案:感知机循环神经网络（RNN）适用于处理静态图像。（）

答案:错在卷积神经网络中，哪些层通常用于减小特征图的尺寸？（）

答案:卷积层###池化层感知机的激活函数可以是Sigmoid。（）

答案:对在决策树模型中，对于连续值的处理通常会使用哪种方法？（）

答案:将连续值进行量化或者分箱在决策树中，节点分为哪两种类型？（）

答案:内部节点和叶节点哪个选项最能描述多变量决策树的特点？（）

答案:能够处理多个特征或变量，并综合考虑所有特征做出决策在决策树模型中，哪种操作通常用来划分数据集的最好方式，以便在每个子节点上最大化某种特定的分类指标？（）

答案:基尼指数在决策树模型中，对于缺失值的处理通常会使用哪种方法？（）

答案:将缺失值进行填充，例如使用均值或中位数填充在决策树模型中，剪枝过程是为了防止过拟合，哪个剪枝方法不基于统计显著性？（）

答案:基于代价复杂度的剪枝线性判别分析（LinearDiscriminantAnalysis，LDA）是一种常用的（）方法。（）

答案:分类哪个选项正确描述了逻辑斯蒂克回归（LogisticRegression）的主要用途？（）

答案:对数据进行分类或概率预测在线性判别分析(LDA)中，主要的目标是找到一个投影方向使得同类样本之间的距离尽可能的______，不同类样本之间的距离尽可能的______。（）

答案:小、大线性判别分析（LinearDiscriminantAnalysis，LDA）是一种常用的统计方法，用于降维和分类。LDA通过最大化类间差异和最小化类内差异来区分不同类别的数据。在LDA中，哪个选项正确描述了类内差异的数学表达式？（）

答案:类内差异是数据点与其所属类别中心的距离的平方和在逻辑斯蒂克回归中，我们通常使用哪种损失函数来优化模型？（）

答案:交叉熵损失（Cross-EntropyLoss）哪个选项正确描述了逻辑斯蒂克回归（LogisticRegression）的应用范围？（）

答案:逻辑斯蒂克回归是线性回归模型的一种，主要用于预测二分类问题。逻辑斯蒂克函数是一种非线性函数，常用于机器学习和人工智能领域。它可以将任何实数映射到[0,1]的范围内。哪个选项正确描述了逻辑斯蒂克函数的数学表达式？（）

答案:f(x)=1/(1+e^-x)在线性回归中，损失函数的目标是：（）

答案:最小化预测误差的平方和在梯度下降中，学习率（learningrate）越大，收敛速度越快，但可能会导致发散。（）

答案:对线性回归的目标是最小化平均绝对误差。（）

答案:错在线性回归中，损失函数通常采用的是：（）

答案:均方误差（MSE）在线性回归中，哪些方法可以用于评估模型性能？（）

答案:平均绝对误差###均方误差在梯度下降过程中，有哪些因素可以影响模型的收敛速度？（）

答案:初始权重的选择###学习率的大小哪个选项正确描述了方差和偏差之间的关系？（）

答案:高方差表示模型的预测结果非常不稳定，而低偏差表示模型的预测结果非常准确。下列哪项技术常用于模型选择，并且能有效地处理数据不平衡问题？（）

答案:过采样(Over-sampling)哪种模型评估指标可用于衡量模型在分类问题中的性能，特别是在类别不平衡的情况？（）

答案:查全率(Recall)哪个选项正确描述了过拟合和欠拟合的概念？（