人工智能机器学习技术练习(试卷编号1131)
1.[单选题]我们常用 ( ) 版。
A)apache 版
B)cdh 版
C)Hortonworks版本
答案:B
解析:
2.[单选题]以下哪项是解决NLP用例(如语义相似性、阅读理解和常识推理)的更好选择?
A)ELMo
B)Open AI’s GPT
C)ULMFit
答案:B
解析:
3.[单选题]逻辑回归拟合的函数是()
A)sigmoid
B)tanh
C)relu
答案:A
解析:
4.[单选题]回归评估指标中RMSE和MSE的关系是()
A)MSE是RMSE的平方
B)没有关系
C)RMSE是MSE的平方
答案:A
解析:
5.[单选题]在NumPy通用函数中，用于计算元素级最大值的函数是（ ）。
A)max
B)maximum
C)min
D)maximal
答案:B
解析:
6.[单选题]下列不属于聚类性能度量外部指标的是（__）。
C)Rand指数
D)DB指数
答案:D
解析:
7.[单选题]关于竞争型学习算法描述错误的是
A)是一种监督学习策略；
B)每个时刻只有一个竞争获胜的神经元被激活；
C)其他神经元的状态被抑制；
D)ART网络通过竞争型学习算法寻优；
答案:A
解析:
8.[单选题]分析逻辑回归表现的一个良好的方法是AIC，它与线性回归中的R平方相似。有关AIC，以下哪项是正确的?
A)具有最小AIC值的模型更好
B)具有最大AIC值的模型更好
C)视情况而定
D)以上都不是
答案:A
解析:AIC信息准则即Akaike information criterion，是衡量统计模型拟合优良性的一种标准，由于它为日本统计学家赤池弘次创立和发展的，因此又称赤池信息量准则。
考虑到AIC=2k-2In(L) ，所以一般而言，当模型复杂度提高(k增大)时，似然函数L也会增大，从而使AIC变小，但是k过大时，似然函数增速减缓，导致AIC增大，模型过于复杂容易造成过拟合现象。目标是选取AIC最小的模型,AIC不仅要提高模型拟合度(极大似然)，而且引入了惩罚项，使模型参数尽可能少，有助于降低过拟合的可能性。
综上，我们一般选择逻辑回归中最少的AIC作为最佳模型。
9.[单选题]以下哪个度量属于数据散度的描述？ （ ）
A)均值
B)中位数
C)标准差
D)众数
答案:C
解析:
10.[单选题]在k均值算法中，假定聚类簇数k=3，则在算法开始时随机选取（__)个样本作为初始均值向量
A)1
B)2
11.[单选题]随着集成中个体分类器（相互独立）数目T的增大，集成的错误率将呈___下降，最终趋向于零
A)指数级
B)对数级
C)线性级
D)平方级
答案:A
解析:
12.[单选题]关于数据规范化，下列说法中错误的是( )。
A)标准化实际上是将数据在样本的标准差上做了等比例的缩放操作
B)归一化利用了样本中的最大值和最小值
C)包含标准化和归一化
D)标准化在任何场景下受异常值的影响都很小
答案:D
解析:
13.[单选题]下列极大似然估计描述错误的是
A)极大似然估计先假定其具有某种确定的概率分布形式；
B)极大似然估计没有确定的概率分布形式；
C)概率模型的训练过程就是参数估计；
D)贝叶斯学派认为参数本身也有分布，是未观察的随机变量；
答案:B
解析:
14.[单选题]在支持向量机中，可利用（__）方法将原问题转化为其对偶问题。
人工智能ai正则化使用方法A)拉格朗日乘子法
B)留出法
C)比较检验
D)划分选择
答案:A
解析:
15.[单选题]一个包含n类的多分类问题，若采用一对剩余的方法，需要拆分成多少次？
A)n
B)1
C)n-1
16.[单选题]决策树中，同一路径上的所有属性之间是()关系。
A)因果
B)相关
C)逻辑或
D)逻辑与
答案:D
解析:
17.[单选题]如右图所示有向图，以下陈述正确的有( )
A)B和G关于{C, F}条件独立
B)B和C关于F条件独立
C)B和G关于F条件独立
D)B和G关于{C,
F, H}条件独立
答案:A
解析:
18.[单选题]阅读以下文字：假设我们拥有一个已完成训练的、用来解决车辆检测问题的深度神经网络模型，训练所用的数据集由汽车和卡车的照片构成，而训练目标是检测出每种车辆的名称(车辆共有10种类型)。现在想要使用这个模型来解决另外一个问题，问题数据集中仅包含一种车(福特野马)而目标变为定位车辆在照片中的位置。
A)除去神经网络中的最后一层，冻结所有层然后重新训练
B)对神经网络中的最后几层进行微调，同时将最后一层(分类层)更改为回归层
C)使用新的数据集重新训练模型
D)所有答案均不对
答案:B
解析:
19.[单选题]正则化的回归分析，可以避免( )
A)线性化
B)过拟合
C)欠拟合
D)连续值逼近
答案:B
解析:
20.[单选题]传統的机器学习方法包括监督学习、无监督学习和半监督学习，其中监督学习是学习给定标签的数据集。请问标签为离散的类型，称为分类，标签为连续的类型，称为什么()
答案:D
解析:
21.[单选题]在一个神经网络中，下面哪种方法可以用来处理过拟合?
A)Dropout
B)分批归一化(Batch Normalization)
C)正则化(regularization)
D)都可以
答案:D
解析:
22.[单选题]下列关于支持向量机的说法错误的是（__)。
A)硬间隔支持向量机易出现过拟合的情况
B)软间隔支持向量机的目标函数不是一个二次规划问题
C)松弛变量可用来解决线性不可分问题
D)支持向量机可用来进行数据的分类
答案:B
解析:
23.[单选题]特征工程不包括（ ）。
A)特征构建
B)特征合并
C)特征选择
D)特征提取
答案:B
解析:
24.[单选题]梯度爆炸问题是指在训练深度神经网络的时候，梯度变得过大而损失函数变为无穷。在RNN中，下面哪种方法可以较好地处理梯度爆炸问题(  )
A)梯度裁剪
B)所有方法都不行
C)Dropout
D)加入正则项
答案:A
解析:
25.[单选题]下列方法使用最大似然估计的是( )
A)线性鉴别分析

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。