机器学习基础智慧树知到答案2024年太原理工大学

机器学习基础太原理工大学智慧树知到答案2024年第一章测试

样本是连续型数据且有标签，我们采用（）进行机器学习。

A:分类算法B:嵌入算法C:回归算法D:聚类算法

答案:C在机器学习中，样本常被分成（）。

A:评估集B:训练集C:测试集D:其它选项都有

答案:D机器学习算法需要显示编程，具备归纳、总结等自学习能力。（）

A:对B:错

答案:B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。（）

A:错B:对

答案:A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。（）

A:错B:对

答案:B

第二章测试

K近邻算法认为距离越近的相似度越高。（）

A:对B:错

答案:AK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。（）

A:对B:错

答案:BK近邻算法中采用不同的距离公式对于结果没有影响。（）

A:错B:对

答案:A在上面图中，K=5，绿色样本的类别是（）。

A:蓝色正方形B:红色三角形C:绿色圆形D:不能确定

答案:A在K近邻算法中，K的选择是（）？

A:与样本有关B:越小越好C:越大越好D:其它都不正确

答案:A

第三章测试

下列（）中两个变量之间的关系是线性的。

A:猫的皮毛颜色和体重B:女儿的身高和父亲的体重C:人的工作环境和健康状况D:重力和质量

答案:D下列说法不正确的是（）。

A:回归用于预测输入变量和输出变量之间的关系B:线性回归模型也可以解决线性不可分的情况C:回归就是数据拟合D:回归分析就是研究两个事物的相关性

答案:C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（）。

A:其它都不正确B:小于60.316kgC:60.316kgD:大于60.316kg

答案:Classo中采用的是L2正则化。（）

A:对B:错

答案:B线性回归中加入正则化可以降低过拟合。（）

A:对B:错

答案:A

第四章测试

以下说法正确的是（）。

A:logistic回归的样本属性是连续型数据B:logistic回归是回归模型C:logistic回归只能处理线性可分问题D:logistic回归和线性回归是相同的

答案:Alogistic回归只能用于二分类问题。（）

A:错B:对

答案:Alogistic回归中也可以用正则化方法来防止过拟合。（）

A:对B:错

答案:A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（）。

A:B:C:D:

答案:A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（）。

A:B:C:D:

答案:AD

第五章测试

以下关于梯度下降算法说法正确的是（）。

A:计算预测值和真实值之间的误差B:梯度下降算法是计算目标函数的最大值C:如果目标函数梯度不存在就无法用梯度下降算法D:学习率的选取会影响梯度下降算法的求解速度

答案:D随机梯度下降导致方向变化过大，不能很快收敛到最优解。（）

A:错B:对

答案:B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。（）

A:对B:错

答案:A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。（）

A:对B:错

答案:B随机梯度下降中每次迭代使用一个样本的梯度。（）

A:对B:错

答案:A

第六章测试

决策树模型中建树的基本原则是（）。

A:应利用尽可能多的属性B:信息增益大的属性应放在上层C:取值多的属性应放在上层D:取值少的属性应放在上层

答案:B哪些情况下必须停止树的增长（）

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

答案:ABCD关于决策树剪枝操作正确的描述是（）。

A:可以防止过拟合B:用测试集来进行剪枝C:后剪枝优于预剪枝D:可以有效降低训练误差

答案:A决策树模型中如何处理连续型属性（）。

A:根据信息增益选择阈值进行离散化B:随机选择数据标签发生变化的位置进行离散化C:直接忽略D:利用固定阈值进行离散化

答案:A下面哪个可能是决策树的决策边界()。

A:B:C:D:

答案:C

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？（）

A:弱学习器经常不会过拟合B:弱学习器通常会过拟合C:弱学习器通常带有高偏差，所以其并不能解决复杂学习问题D:弱学习器可以通过集成变成强学习器

答案:B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（）。

A:其它都不对B:0.1C:1D:0.5

答案:B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（

）。

A:B:任何一个都可以C:D:

答案:CD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（）。

A:0.4236B:0.6496C:其它都不对D:0.3

答案:A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（）。

A:B:C:其它都不对D:

答案:D

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（）。

A:B:C:D:

答案:B下列选项中，对于软间隔支持向量机，超平面应该是（）。

A:B:C:D:

答案:D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。（）

A:错B:对

答案:B上图中，长方形框中的样本松弛变量的值为（）。

A:大于1B:等于1C:大于0，小于1D:等于0

答案:A上图中哪个超平面泛化能力更强（）。

A:BB:AC:A、B一样D:其它都不对

答案:B

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：()

A:10%B:1.48%C:无法确定D:6.67%

答案:B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：()

A:-1B:1C:1或者-1都可以D:无法确定

答案:A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：()

A:无法确定B:1.48%C:6.67%D:10%

答案:D朴素贝叶斯的基本假设是属性之间是相互独立的。（）

A:对B:错

答案:A朴素贝叶斯是概率模型。（）

A:对B:错

答案:A

第十章测试

以下对经典K-means聚类算法解释正确的是（）

A:不能自动识别类的个数，随机挑选初始点为中心点计算B:能自动识别类的个数，随机挑选初始点为中心点计算C:能自动识别类的个数，不能随机挑选初始点为中心点计算D:不能自动识别类的个数，不能随机挑选初始点为中心点计算

答案:A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（）

A:1B:3C:6D:0

答案:A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（）

A:都不属于B:原质心16的类C:原质心22的类D:不能计算

答案:C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。

A:3B:5C:2D:1

答案:A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（）。

A:36.25B:15.33C:15D:17.2

答案:B

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。（）

A:错B:对

答案:B如果某个项集是频繁的，那么它的所有超集也是频繁的。（）

A:错B:对

答案:A根据上面交易记录，回答问题：2级频繁项集有（）。

A:尿布，橙汁B:豆奶，葡萄酒C:橙汁，豆奶D:尿布，豆奶

答案:D根据上面交易记录，回答问题：规则“豆奶->莴苣”的可信度是（）。

A:4/4B:1C:3/5D:3/4

答案:D根据上面交易记录，回答问题：“豆奶”的支持度是（）。

A:3/5B:2/5C:1D:4/5

答案:D

第十二章测试

下列关于主成分分析法(PCA)说法错误的是?（）

A:要选出方差最小的作为主成分B:主成分分析法可用于低维数据的可视化处理C:进行主成分分析之前要对数据进行中心化D:要选出方差最大的作为主成分

答案:A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。（）

A:对B:错

答案:A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（）。

A:B:C:D:其它结果都不对

答案:B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（）。

A:其它结果都不对

B:C:D:

答案:C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（）。

A:B:其它结果都不对C:D:

答案:C

第十三章测试

以下说法中错误的是（）。

A:正定矩阵的特征值即为奇异值B:ATA的特征值的平方根即为A的奇异值C:负定矩阵的