《机器学习-Python实践》试卷及答案 卷7

第1页，共1页一、单项选择题（本大题共10小题，每题3分，共30分）试卷（试卷（学年第1学期）考试科目机器学习-Python实践（A卷）适用专业班级（年级）得分命题人：审阅人：班级学号姓名考试科目装订线1、如果使用线性回归模型，下列说法正确的是？（）A.检查异常值是很重要的，因为线性回归对离群效应很敏感B.线性回归分析要求所有变量特征都必须具有正态分布C.线性回归假设数据中基本没有多重共线性D.以上说法都不对2、建立线性模型时，我们看变量之间的相关性。在寻找相关矩阵中的相关系数时，如果发现3对变量（Var1和Var2、Var2和Var3、Var3和Var1）之间的相关性分别为-0.98、0.45和1.23。我们能从中推断出什么呢？（）A.Var1和Var2具有很高的相关性B.Var1和Var2存在多重共线性，模型可以去掉其中一个特征C.Var3和Var1相关系数为1.23是不可能的D.以上都对3、下列哪种方法可以用来减小过拟合？（多选）（）A.更多的训练数据B.L1正则化C.L2正则化D.减小模型的复杂度4、向量X=[1,2,3,4,-9,0]的L1范数为？（）A.1B.19C.6D.√1115、关于L1、L2正则化下列说法正确的是？（）A.L2正则化能防止过拟合，提升模型的泛化能力，但L1做不到这点B.L2正则化技术又称为LassoRegularizationC.L1正则化得到的解更加稀疏D.L2正则化得到的解更加稀疏6、有N个样本，一般用于训练，一般用于测试。若增大N值，则训 练误差和测试误差之间的差距会如何变化？（）A.增大B.减小C.不变D.以上均不对7、在回归模型中，下列哪一项在权衡欠拟合（under-fitting）和过拟 合（over-fitting）中影响最大？（）A.多项式阶数B.更新权重w时，使用的是矩阵求逆还是梯度下降C.使用常数项D.学习率8、输入层中的节点数为10，隐层为5。从输入层到隐层的最大连接数 为？

（）

A.50

B.Lessthan50

C.Morethan50

D.Itisanarbitraryvalue

9、如果我们希望预测n个类（p1，p2..pk）的概率，使得所有n的p 的和等于1，则以下哪个函数可以用作输出层中的激活函数？

（）

A.Softmax

B.ReLu

C.Sigmoid

D.Tanh

10、采取什么措施不可以防止过拟合？（）

A.数据压缩;

B.权值共享;

C.提前结束模型迭代;

D.采用dropout;二、判断题（本大题共10小题，每题1分，共10分）1、FP——将负类预测为正类数。（）2、交叉熵损失函数的好处是可以克服方差代价函数更新权重过慢的问 题。（）3、逻辑回归假设数据服从伯努利分布,通过极大化似然函数的方法， 运用梯度下降来求解参数，来达到将数据二分类的目的。（）4、SVM无法做多分类。（）5、SVM不涉及核函数。（）6、BGD计算根据全部样本的构造出来的代价函数的梯度。（）7、SGD计算根据全部样本构造出来的代价函数的梯度。（）8、Bagging：训练集是在原始集中有放回抽取的，从原始集中选出的训练集之间是独立的。（）9、Boosting：根据错误率不断调整样本的权值，错误率越大则权值越大。（）10、Bagging：每个样本的权重相等。（）三、填空（本大题共10小题，每题3分，共30分）1、熵指的是体系的的程度。2、信息越有序，信息熵越。3、训练过程中用到的数据叫。4、分类是预测，比如把人分为好人和坏人之类的学习任务。5、模型把训练样本学习“太好了”，可能把一些训练样本自身的特性当做了所有潜在样本都有的一般性质，导致泛化能力下降叫。6、评判分类效果好坏的三个指标就是上面介绍的三个指标:，，。7、从已有的M个特征（Feature）中选择N个特征使得系统的特定指标最优化叫。8、Appriori属性1：如果项目集X是频繁项目集，那么它的所有非空子集都是。9、分类分析的三个步骤：、、。10、决策树包含三种结点：、、。四、简答题（本大题共3小题，共30分）1、决策树的剪枝方法有哪些？2、SVM的超参数有哪些？3、讨论深度学习的发展对推动机器学习的意义？一、选择题1.A 2.D 3.ABCD 4.B 5.C 6.B 7.A 8.A 9.A 10.A二、判断题1.对 2.对 3.对 4.错 5.错 6.对 7.错 8.对 9.对 10.对 三、填空题1.混乱 2.低 3.训练集 4.离散值 5.过拟合 6.正确率召回率F值 7.特征选择 8.频繁项目集 9.挖掘分类规则分类规则评估分类规则应用 10.根结点（矩形表示）内部结点（矩形表示）叶结点/终结点（椭圆表示）四、简答题1、答