机器学习：模型与算法知到智慧树章节测试课后答案2024年秋浙江大学

机器学习：模型与算法知到智慧树章节测试课后答案2024年秋浙江大学第一章单元测试

sigmoid函数的值域为？（

）。

A:(0,1)B:(0,1]C:[0,1)D:[0,1]

答案:(0,1)哪些属于监督学习重要元素？（

）。

A:标注数据B:数据映射C:学习模型D:损失函数

答案:标注数据；学习模型；损失函数分析不同变量之间存在关系的研究叫回归分析。（

）

A:对B:错

答案:对强可学习和弱可学习是等价的。（

）

A:错B:对

答案:对下面的说法正确的是（）。

A:B:逻辑回归属于线性回归C:Sigmoid的函数是单调递减的D:逻辑回归只能处理二分类问题

答案:逻辑回归只能处理二分类问题

第二章单元测试

下面的说法正确的是（

）。

A:K均值聚类算法实质上是最小化每个类簇的方差。B:协方差不能反应两个变量之间的相关度。C:在K均值聚类算法中初始化聚类中心对聚类结果影响不大。D:X和Y彼此独立，|cor(X,Y)|可能不等于零。

答案:K均值聚类算法实质上是最小化每个类簇的方差。哪一项是皮尔逊相关系数的性质？（

）。

A:X与Y协方差的绝对值小于等于1B:X与Y协方差的绝对值大于1C:X与Y协方差的绝对值小于1D:X与Y协方差的绝对值大于等于1

答案:X与Y协方差的绝对值小于等于1下面的说法正确的有（

）。

A:在K均值聚类算法中，未达到迭代次数上限，迭代不会停止。B:在K均值聚类算法中，我们不必事先就确定聚类数目。C:EM算法分为求取期望和期望最大化两个步骤。D:在K均值聚类算法中，欧式距离与方差量纲相同。

答案:EM算法分为求取期望和期望最大化两个步骤。；在K均值聚类算法中，欧式距离与方差量纲相同。K均值聚类属于监督学习。（

）

A:错B:对

答案:错特征人脸方法的本质是用称为“特征人脸”的特征向量按照线性组合形式表达每一张原始人脸图像。（

）

A:对B:错

答案:对

第三章单元测试

下列哪一项不是运用半监督学习的原因（

）。

A:存在大量为标记数据B:有标注的数据很稀少C:数据标注非常昂贵D:为获得更高的机器学习性能

答案:为获得更高的机器学习性能在半监督学习中下列哪种说法是错误的（

）。

A:“假设数据分布在一个流形架构上，邻近的样本拥有相似的输出值。”属于流形假设B:“假设数据存在簇结构，同一个簇多的样本属于同一类别。”属于聚类假设C:“聚类假设的推广，对输出值没有限制”属于聚类假设的范畴。D:“聚类假设的推广，对输出值没有限制”属于流形假设的范畴。

答案:“聚类假设的推广，对输出值没有限制”属于聚类假设的范畴。

半监督学习方法有：（

）。

A:K均值聚类B:半监督SVMC:基于图表的半监督学习D:生成方法

答案:半监督SVM；基于图表的半监督学习；生成方法在有标记数据极少的情形下往往比其他方法性能更好是半监督学习生成式方法流程的优点。（

）

A:错B:对

答案:对基于图表的半监督学习不用占有太大内存。（

）

A:对B:错

答案:错

第四章单元测试

下列说法正确的是（

）。

A:感知机网络只有输入层/输出层，无隐藏层。B:感知机网络可以拟合复杂的数据。C:BP算法是一种将隐藏层误差反向传播给输出层进行参数更新的方法。D:Hot-hot向量可以用尽可能少的维数对数据进行描述。

答案:感知机网络只有输入层/输出层，无隐藏层。一元变量所构成函数f在x处的梯度为（）

A:B:C:D:

答案:

常用的池化操作有：：（

）。

A:最大池化B:平均池化C:差值池化D:最小池化

答案:最大池化；平均池化One-hot向量可以刻画词与词之间的相似性（

）

A:错B:对

答案:错前馈神经网络中存在反馈。（

）

A:错B:对

答案:错

第五章单元测试

下列说法错误的是（

）。

A:循环神经网络的神经元存在自反馈。B:循环神经网络已经被广泛应用在语音识别、语言模型以及自然语言生成等任务上。C:循环神经网络不能处理任意长度的序列D:循环神经网络比前馈神经网络更加符合生物神经网络的结构。

答案:循环神经网络不能处理任意长度的序列下列说法正确的是（

）。

A:典型的前馈神经网络存在梯度爆炸的问题B:如果一个完全连接的RNN有足够数量的sigmoid型隐藏神经元，它可以以任意的准确率去近似任何一个非线性动力系统个。C:双向RNN很好地解决了梯度消失的问题D:长期短期记忆网络是一种前馈神经网络。

答案:如果一个完全连接的RNN有足够数量的sigmoid型隐藏神经元，它可以以任意的准确率去近似任何一个非线性动力系统个。双向RNN反向传播过程也是双向的。（

）

A:对B:错

答案:对信息抽取是指从结构化文本中抽取信息。（

）

A:错B:对

答案:错

下列哪些属于组合式attention结构：（

）。

A:Self-AttentionB:Multi-Step

AttentionC:Attention

over

AttentionD:Memory-based

Attention

答案:Multi-Step

Attention；Attention

over

Attention；Memory-based

Attention

第六章单元测试

与传统结构化数据库相比，下列哪一项不是知识图谱的优势？（

）。

A:更有效表达数据的关联类型。B:更容易实现。C:支持更高效的基于路径的检索与分析D:形成更灵活的异构数据关联

答案:更容易实现。下列哪一项不是知识图谱的特点（

）。

A:填补数据与语义之间的鸿沟B:无法对抗信息过载C:提供启发式结构D:是支持知识驱动型任务的有例工具

答案:无法对抗信息过载

下列哪些属于知识图谱的应用：：（

）。

A:物体识别B:辅助大数据分析C:推荐系统D:搜索与问答

答案:辅助大数据分析；推荐系统；搜索与问答基于深度学习的命名实体识别是目前研究与应用的主流方法。（

）

A:对B:错

答案:对训练样本噪声小是远程监督的优点。（

）

A:对B:错

答案:错

第七章单元测试

下列不属于强化学习的特点的是（

）。

A:序列决策过程B:基于评估C:实时反馈D:交互性

答案:实时反馈下列关于环境的描述错误的是（

）。

A:向智能主体反馈状态和奖励。B:系统中智能主体以外的部分。C:按照一定的规律发生变化。D:环境的变化受到智能主体的影响。

答案:环境的变化受到智能主体的影响。

关于智能主体下列描述正确的有：（

）。

A:智能主体可能知道也可能不知道环境的变化规律B:动作是智能主体对环境的被动反应。C:按照某种策略，根据当前的状态选择合适的动作。D:状态指的是智能主体对环境的一种解释。

答案:智能主体可能知道也可能不知道环境的变化规律；按照某种策略，根据当前的状态选择合适的动作。；状态指的是智能主体对环境的一种解释。一个好的策略是在当前状态下采取一个行动后，该行动能够在未来收到最大化反馈。（

）

A:错B:对

答案:对Deep

Q-learning能够用有限的参数刻画无限的状态。（

）

A:对B:错

答案:对

第八章单元测试

下列不属于AutoML方法的是（

）。

A:超参数优化B:迁移学习C:元学习D:神经架构搜索

答案:迁移学习下列说法错误的是（

）。

A:进化算法是一种无梯度优化算法。B:进化算法具有自组织、自适应、自学习等特点。C:进化算法可能会得到全局最优解。D:进化算法效率很高。

答案:进化算法效率很高。下列哪些属于AutoML系统：（

）。

A:自动网络B:Hyperopt-SklearnC:Auto-WEKAD:TPOT

答案:自动网络；Hyperopt-Sklearn；Auto-WEKA；TPOT动态规划是从前驱状态推断后继状态来计算赋值函数。（

）

A:对B:错

答案:对目前以深度学习为代表的人工智能计算需求，主要采用GPU、FPGA等已有的适合并行计算的通用芯片来实现加速。（

）

A:错B:对

答案:对

第九章单元测试

下列关于Tensorflow说法错误的是（

）。

A:可以绘制计算结构图

。B:是一款神经网络的Python外部结构包。C:由Facebook进行开发。D:可以把编辑好的文件转换成更高效的C++，并在后端运行。

答案:由Facebook进行开发。函数tf.reduce_mean(v)的作用是（

）。

A:求数组v的标准差B:求v数组的平均数C:求数组v各项与平均数的差值D:求数组v的方差

答案:求数组v的标准差下列属于Tensorflow的有点的是：（

）。

A:它擅长与训练深度神经网络B:开源性。C:是当今最好用的神经网络库之一。D:降低了深度学习的开发成本和开发难度。

答案:它擅长与训练深度神经网络；开源性。；是当今最好用的神经网络库之一。；降低了深度学习的开发成本和开发难度。PyTorch的API是围绕命令行式的编程（

）

A:错B:对

答案:对TensorFlow在2.0.0版本后将取代计算题称为默认设置。（

）

A:对B:错

答案:对

第十章单元测试

下列说法错误的是（

）。

A:因果效应是指因变量T改变一个单位时，果变量Y的变化程度。B:因果的关键因素是平衡混淆变量X的分布。C:因果的定义是变量T是变量Y的原因，当且仅当保持其它所有变量不变的情况下，改变T的值能导致Y的值发生变化。D:因果推理的关键因素是保证其它变量不变，改变果变量Y。

答案:因果推理的关键因素是保证其它变量不变，改变果变量Y。下列不属于