人工智能机器学习技术练习(试卷编号1121)
1.[单选题]混淆矩阵对角线上的值()
A)越大越好
B)越小越好
C)无所谓大小
答案:A
解析:
2.[单选题]样本生成的目的是为了()
A)样本准确性
B)样本完整性
C)样本可信性
答案:B
解析:
3.[单选题]支持向量机可以解决()
A)分类问题
B)回归问题
C)分类问题和回归问题
答案:C
解析:
4.[单选题]分类模型评估指标中的召回率如何计算()
A)(TP+TN)(P+N)
B)TP(TP+FN)
C)TP(TP+FP)
答案:B
解析：召回率的定义为正确预测为正占全部正样本的比例。
5.[单选题]()的系数没有封闭形式(closed-form)的解。
A)Ridge 回归
B)Lasso
C)Ridge 回归和 Lasso
D)以上答案都不正确
答案:B
解析:Ridge 回归是一般的线性回归再加上L2正则项，它具有封闭形式的解，可以基于最小二乘法求解。
6.[单选题]线性回归是一种（），它分为简单线性回归和多元线性回归
B)有监督学习算法
C)强化学习
D)聚类算法
答案:B
解析:
7.[单选题]图像识别常用softmax函数接在模型的输出上，其作用为：（）。
A)增加不同类别之间的区分度
B)突出输出向量中类标的对应的维度
C)对输出归一化，同时以概率的更好解释输出向量
D)过滤无用的环境信息
答案:C
解析:
8.[单选题]若学习如何种瓜，在种瓜过程中不断摸索，从而总结出好的种瓜策略。这个过程抽象出来，就是（__)。
A)机器学习
B)深度学习
C)强化学习
D)有监督学习
答案:C
解析:
9.[单选题]下面哪句话是正确的？
A)机器学习模型的精准度越高，则模型的性能越好
B)增加模型的复杂度，总能减小测试样本误差
C)增加模型的复杂度，总能减小训练样本误差
D)以上说法都不对
答案:C
解析：本题考查的是机器学习模型的评判指标。
机器学习模型的精准度（Precision）越高，模型性能不一定越好，还要看模型的召回率（Recall），特别是在正负样本分布不均的情况下。一般使用 F1 score 评判标准。
增加模型复杂度，通常可能造成过拟合。过拟合的表现是训练样本误差减小，而测试样本误差增大。
10.[单选题]对于非概率模型而言，可按照判别函数线性与否分成线性模型与非线性模型。下面哪个模型不属于线性模型？
A)感知机
B)AdaBoost
C)K-means
D)k近邻
11.[单选题]在机器学习算法中，选择具有最大间隔的分割线进行预测的算法是哪一个（）
A)线性回归
B)支持向量机
C)决策树
D)K-Means
答案:B
解析:
12.[单选题]当不知道数据所带标签时，可以使用()促使带同类标签的数据与带其他标签的数据相分离。
A)分类
B)聚类
C)关联分析
D)隐马尔可夫链
答案:B
解析：聚类是一种典型的无监督学习任务，不要求样本集数据带标签。
13.[单选题]SVM中的代价参数C表示什么？
A)交叉验证的次数
B)以上都不对
C)用到的核函数
D)在分类准确性和模型复杂度之间的权衡
答案:D
解析:
14.[单选题]从一个初始策略出发，不断迭代进行策略评估和改进，直到策略收敛、不再改变为止，这样的作法称为
A)策略迭代
B)值迭代
C)策略改进
D)最优值函数
答案:A
解析:
15.[单选题]LSTM调整参数时信息的传播方向是（ ）。
正则化是最小化策略的实现A)后向传播
B)前向传播
C)双向传播
D)跳跃传播
16.[单选题]k近邻算法在()的情况下效果较好。
A)样本较多但典型性不好
B)样本较少但典型性好
C)样本呈团状分布
D)样本呈链状分布
答案:B
解析:k近邻算法主要依靠的是周围的点，因此如果样本过多，则难以区分，典型性好的容易区分。样本都是呈团状分布,KNN就发挥不出其求近邻的优势了，整体样本应该具有典型性好，样本较少，比较适宜。
17.[单选题]下列关于泛化误差与偏差、方差和噪音之间的关系，表述正确的是（__）。
A)泛化误差=偏差+方差-噪音
B)泛化误差=偏差-方差+噪音
C)泛化误差=偏差-方差-噪音
D)泛化误差=偏差+方差+噪音
答案:D
解析:
18.[单选题]LSTM与RNN相比可以解决（ ）。
A)梯度消失
B)训练结果发散
C)需要激活函数
D)无法处理长距离的依赖的问题
答案:D
解析:
19.[单选题]什么是KDD?
A)数据挖掘与知识发现
B)领域知识发现
C)文档知识发现
D)动态知识发现
答案:A
解析:
20.[单选题]在k近邻学习算法中，随着k的增加，上界将逐渐降低，当k区域无穷大时，上界和下界碰到一起,k近邻法就达到了()。
A)贝叶斯错误率
B)渐进错误率
C)最优值
21.[单选题]（__）在划分属性时是在当前结点的属性集合中选择一个最优属性。
A)AdaBoost
B)RF
C)Bagging
D)传统决策树
答案:D
解析:
22.[单选题]以下的说法哪些是正确的？1 一个机器学习模型如果能得到很高的 准确率，则说明这是个好的分类器。2 如果增加一个模型的复杂度，测试错误总会增加。3 如果增加一个模型的复杂度，训练错误总会增加。
A)1
B)2
C)3
D)1 and 3
答案:C
解析:
23.[单选题]若A与B是任意的两个事件，且P(AB)=P(A)·P(B)，则可称事件A与B()。
A)等价
B)互不相容
C)相互独立
D)相互对立
答案:C
解析：若A与B为互斥事件，则有概率加法公式P(A+B)=P(A)+P(B)；若A与B不为互斥事件，则有公式
P(A+B)=P(A)+P(B)-P(AB)；若A与B为相互独立事件，则有概率乘法公式P(AB)=P(A)P(B)
24.[单选题]下列代码片段>>>del_selection import train_test_split
>>>X_train,X_test,y_train,y_test=train_test_split(iris.data,iris.target,test_size=0.4,r andom_state=0) 实现的功能是：
A)加载数据
B)分割数据
C)分组数据
D)删除部分数据
答案:B
解析:
25.[单选题]关于k-means算法，正确的描述是( )

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。