注：不含主觀題第1題下面關于機器學習與深度學習的描述錯誤的是:()。單選題A深度學習來源于人工神經(jīng)網(wǎng)絡B深度學習是機器學習的重要分支C深度學習是多層的人工神經(jīng)網(wǎng)絡,典型的模型包括卷積神經(jīng)網(wǎng)絡等D機器學習屬于深度學習的范疇第2題人工智能的目的是讓機器能夠(),以實現(xiàn)某些腦力勞動的機械化。單選題A具有和人類一樣的智能B和人一樣工作C完全代替人的大腦D模擬、延伸和擴展人的智能第3題機器學習可以用于哪些情形?()多選題A人類無法解釋的專業(yè)知識B模型需要基于大量數(shù)據(jù)C當人類專業(yè)知識不存在D模型必須定制正確答案：ABCD第4題從學習方法上來分,機器學習算法可以分為:()。多選題A監(jiān)督學習B無監(jiān)督學習C半監(jiān)督學習D集成學習E深度學習F強化學習正確答案：ABCDE第5題給人臉打上標簽再讓模型進行學習訓練的方法,屬于()。單選題A強化學習B無監(jiān)督學習C半監(jiān)督學習D監(jiān)督學習第6題機器學習進行的第一步是()。單選題A特征提取B交叉驗證C模型訓練D數(shù)據(jù)收集第2章課后作業(yè)第1題學習器在()上的誤差稱為“訓練誤差”或“經(jīng)驗誤差”。A訓練集B新樣本第2題學習器在()上的誤差稱為“泛化誤差”。A訓練集B新樣本第3題檢驗多個學習器性能的方法是()。A二項檢驗法Bt檢驗法C交叉驗證t檢驗法第4題學習器輸出與真實標記之間的差別是()A誤差B偏差第5題學習器期望輸出與真實標記之間的差別是()A誤差B偏差第6題檢驗單個學習器性能的方法有();A二項檢驗法Bt檢驗法C交叉驗證t檢驗法正確答案：AB第7題對模型的泛化誤差進行評估,需要確定訓練集和測試集,主要有哪兩種方法?()A二項檢驗法B留出法C交叉驗證t檢驗法D交叉驗證法正確答案：BD第8題交叉驗證法指將數(shù)據(jù)集D劃分為兩個互斥的集合,其中一個集合作為訓練集S,另一個作為測試集T,即D=SUT,S∩T=空。在S上訓練出模型后,用T來評估其測試誤差,作為對泛化誤差的估計的方法。()第9題使用留出法進行驗證時先將數(shù)據(jù)集D劃分為k個大小相似的互斥子集,即D=D1UD2υ...UDk,其中Di∩Dj=?(i不等于j).每個子集Di都盡可能保持數(shù)據(jù)分布的一致性,即從D中通過分層采樣得到.然后,每次用k-1個子集的并集作為訓練集,余下的那個子集作為測試集;這樣就可獲得k組訓練/測試集,從而可進行k次訓練和測試,最終返回的是這k個測試結果的均值。()第3章課后作業(yè)與討論第1題推薦方式一般有兩種,一種是基于內容的推薦,即通過對未評分項進行評分預測來實現(xiàn)推薦;另外一種是基于協(xié)同的,它是以關聯(lián)規(guī)則作為基礎,把已購商品作為規(guī)則頭,規(guī)則體為推薦對象。()第2題ALS推薦算法的基本步驟:第一步,首先得到用戶的評分矩陣;第二步,根據(jù)已有的評分數(shù)據(jù),利用ALS算法對矩陣中的空項進行打分最終得到完整的用戶評分矩陣;第三步,系統(tǒng)根據(jù)這個最終的用戶評分矩陣,對不同的用戶推薦對應行中打分高產(chǎn)品,來完成商品的推薦。()第3題推薦算法主要分成3步:第一步用戶評分,包括顯性評分和隱性評分;第二步尋找最佳鄰居,就是用距離算法,找到距離最小的項目;第三步就是推薦。()第4題FP樹算法需要掃描兩次數(shù)據(jù)集:第一次掃描數(shù)據(jù)集得到一維頻繁項集,第二次掃描數(shù)據(jù)集是利用一維頻繁項集過濾數(shù)據(jù)集中的非頻繁項,同時生產(chǎn)FP樹。()第5題FP樹是一棵后綴樹,按支持度升序排列,支持度越高的頻繁項離根節(jié)點越遠,從而使得更多的頻繁項可以共享后綴。()第6題基于內容的推薦,它是以關聯(lián)規(guī)則作為基礎,把已購商品作為規(guī)則頭,規(guī)則體為推薦對象。()第7題基于協(xié)同的推薦,是通過對未評分項進行評分預測來實現(xiàn)推薦。()第8題基于內容的推薦,它是以關聯(lián)規(guī)則作為基礎,把已購商品作為規(guī)則頭,規(guī)則體為推薦對FP樹是一棵前綴樹,按支持度降序排列,支持度越高的頻繁項離根節(jié)點越近,從而使得更多的頻繁項可以共享前綴。()第4章課后作業(yè)第1題以下對聚類說法錯誤的是()A將數(shù)據(jù)分成多個組B需要標簽進行訓練C屬于無監(jiān)督學習D結果不一定總是能反映數(shù)據(jù)的真實分類第2題以下()不是聚類算法。AK-means算法B層次聚類C密度聚類DFP樹算法第3題K-means算法的實現(xiàn)過程是()。①計算剩下的元素到k個簇中心的相異度。②將數(shù)據(jù)集合中全部元素按照新的中心重新聚類。③從數(shù)據(jù)集合中隨機取k個元素,作為k個簇的各自的中心。④根據(jù)聚類結果,重新計算k個簇各自的中心。⑤重復前面兩步,直到聚類結果不再變化。A①②③④⑤B③①②④⑤C③①④②⑤D②①③④⑤第4題K-means算法的缺點不包括()Ak必須事先給定B要選擇初始聚類中心C對于“噪聲”和孤立點數(shù)據(jù)是敏感的D可伸縮、高效第5題公式計算的是()A歐幾里得距離B曼哈頓距離C余弦距離D皮爾遜距離第6題K-means聚類中,對于確定k大小的方法錯誤的是()A按需選擇,按照建模的需求和目的來選擇聚類的個數(shù)B觀察法C隨機法D手肘法第7題以下對經(jīng)典K-means聚類算法解釋正確的是()A能自動識別類的個數(shù),隨機挑選初始點為中心點計算B能自動識別類的個數(shù),不是隨機挑選初始點為中心點計算C不能自動識別類的個數(shù),隨機挑選初始點為中心點計算D不能自動識別類的個數(shù),不是隨機挑選初始點為中心點計算第8題K-means只能收斂到局部最優(yōu),效果不受初始值的影響。()第9題K-means中的樣本點只能被劃分到單一的類中。()第10題對于一個簇來說,所有樣本點到質心的距離之和越小,就認為這個簇中的樣本越相似,簇內差異就越小。()第5章課后作業(yè)第1題已知變量x與y正相關,且由觀測數(shù)據(jù)算得x的樣本平均值為3,y的樣本平均值為3.5,則由該觀測數(shù)據(jù)算得的線性回歸方程可能是()。Ay=0.4x+2.3By=2x-2.4Cy=-2x+9.5Dy=-0.3x+4.4第2題在兩個變量的回歸分析中,作散點圖是為了()A直接求出回歸直線方程B直接求出回歸方程C根據(jù)經(jīng)驗選定回歸方程的類型D估計回歸方程的參數(shù)第3題在線性回歸方程y=a+bx中,回歸系數(shù)b表示()。A當x=0時,y的平均值Bx變動一個單位時,y的實際變動量Cy變動一個單位時,x的平均變動量Dx變動一個單位時,y的平均變動量第4題若每一噸鑄鐵成本y(元)與鑄件廢品率x%建立的回歸方程y=56+8x,下列說法正確的是()。A廢品率每增加1%,成本每噸增加64元B廢品率每增加1%,成本每噸增加8%C廢品率每增加1%,成本每噸增加8元D廢品率每增加1%,成本每噸增加56元第5題若根據(jù)x與y之間的一組數(shù)據(jù)求得兩個變量之間的線性回歸方程為y=a+bx,已知:數(shù)據(jù)x的平均值為2,數(shù)據(jù)y的平均值為3,則()。A回歸直線必過點(2,3)B回歸直線不一定過點(2,3)C點(2,3)在回歸直線上方D點(2,3)在回歸直線下方第6題本章在講解線性回歸時,是以____最小作為準則,來確定線性回歸方程的。正確答案：:["損失函數(shù)"]第7題線性假設是指自變量x的變化對因變量y的影響與其他自變量的取值無關。()第8題回歸函數(shù)刻畫了平均意義下因變量與自變量的相依關系。()第9題回歸分析的研究對象是具有相關關系的變量。()第10題回歸的實質是平均。()第6章課后作業(yè)第1題以下公式()是貝葉斯公式。AP(AB)=P(A|B)P(B)BP(A)=P(A|B1)P(B1)+P(A|B2)P(B2)+…+P(A|Bn)P(Bn)CP(A|B)=P(B|A)P(A)/P(B)DP(A1+A2+…+An)=P(A1)+P(A2)+…+P(An)第2題以下對于樸素貝葉斯的說法正確的是()A對訓練數(shù)據(jù)的依賴性不強B適合多分類任務C在部分特征相關的情況下性能也很好D分類效率不穩(wěn)定第3題以下哪種不是貝葉斯分類器的應用場景()A文本分類B垃圾文本過濾C情感分析D氣象關聯(lián)分析第4題設某工廠有甲、乙、丙三個車間生產(chǎn)同一種產(chǎn)品,已知各車間的產(chǎn)量分別占全廠產(chǎn)量的25%,35%,40%,而且各車間的次品率依次為5%,4%,2%。現(xiàn)從待出廠的產(chǎn)品中檢查出一個次品,則它是甲車間生產(chǎn)的概率是()A0.362B0.406C0.232D0.174第5題已知某個醫(yī)院早上收了六個門診病人,如下表?，F(xiàn)在又來了第七個病人,是一個打噴嚏的建筑工人。假設各個屬性之間相互獨立,請問他患上感冒的概率是()A0.50B0.35C0.66D0.75第6題公司里面男性有60人,女性有40人,男性穿皮鞋的人數(shù)有25人,穿運動鞋的人數(shù)有35人,女性穿皮鞋的人數(shù)有10人,穿高跟鞋的人數(shù)有30人?，F(xiàn)在你只知道有一個人穿了皮鞋,推測一下他的性別是()A女性B男性C不確定D無法計算第7題以下是一組購買電腦的數(shù)據(jù),假設各個特征之間條件獨立。現(xiàn)在某個人的數(shù)據(jù)為X=(age>40,income=medium,student=yes,credit_rating=fair)。推測他是否會買電腦()A不會B會C不確定D無法計算第8題樸素貝葉斯對異常值敏感。()第9題樸素貝葉斯中的“樸素”是假設了特征之間是相互獨立的。()第10題貝葉斯分類器是根據(jù)給定樣本屬于某一個具體類的概率來對其進行分類。()第7章課后作業(yè)第1題關于決策樹的描述錯誤的是()A不能用于預測B是一種分類算法C屬于監(jiān)督算法D是一種高效的算法第2題決策樹上每個非葉節(jié)點表示的是()A特征屬性在某個值域上的輸出B一個類別C一個特征屬性上的測試D以上都不是第3題決策樹的基本流程遵循的策略是()A鄰近相似B分而治之C物以類聚D由果溯因第4題決策樹依據(jù)屬性對樣本集進行劃分所獲得的()來選擇最優(yōu)劃分屬性A剪枝次數(shù)B信息熵C類別個數(shù)D信息增益第5題第2節(jié)中的西瓜數(shù)據(jù)集中蜷縮的根蒂的信息熵的值是()A0B0.9852C0.9544D1.0第6題接上題可以計算出第2節(jié)中的西瓜數(shù)據(jù)集中根蒂的信息熵最高的分支是()A蜷縮B稍蜷C硬挺第7題第3節(jié)中的西瓜數(shù)據(jù)訓練集中蜷縮的紋理的信息增益是()A1.0B0.5283C0.3899D0.1715第8題熵表明了隨機變量X中事件發(fā)生的平均不確定性,即為了在觀測或者實驗之前確定X中發(fā)生一個事件平均所需要的信息。()第9題一般而言,后剪枝決策樹的泛化能力通常會比預剪枝決策樹要好一些。()第10題相對于決策樹,隨機森林算法一般來說能更好的減少過擬合現(xiàn)象對算法的影響。()第8章課后作業(yè)第1題以下哪個算法能有效進行數(shù)據(jù)降維()AFP樹BPCACK-MeansDALS第2題關于主成分分析算法描述正確的是()A算法期望所投影的維度上數(shù)據(jù)的方差最大B算法期望所投影的維度上數(shù)據(jù)的均值最大C算法期望所投影的維度上數(shù)據(jù)的方差最小D算法期望所投影的維度上數(shù)據(jù)的均值最小第3題KNN的原理就是當預測一個新的值x的時候,根據(jù)它距離最近的K個點是什么類別來判斷x屬于哪個類別。()第4題降維的方式無法有效的緩解維數(shù)災難。()第5題多維縮放的算法原理,其實就是想辦法去掉在原始數(shù)據(jù)集中最難以計算的那些維度,把整個數(shù)據(jù)集降到一個更低的維度再來進行計算。()第6題度量學習中若不同屬性的重要性不同,可以引入屬性權重來表示屬性的重要程度。()第7題多維縮放算法中,在新的維度空間d'中,任意兩個樣本在d'維空間中的距離一定小于原始空間中的距離。()第8題主成分分析算法目標是通過某種投影,將高維的數(shù)據(jù)映射到低維的空間中表示。()第9題主成分分析目標是通過投影將高維的數(shù)據(jù)映射到____的空間中表示,并且期望在所投影的維度上數(shù)據(jù)的____最大,以此使用較少的數(shù)據(jù)維度,同時保留較多的____的特性。正確答案：:["低維"]正確答案：:["方差"]正確答案：:["原數(shù)據(jù)點"]第9章課后作業(yè)第1題你正在構建一個識別足球(y=1)與籃球(y=0)的二元分類器。你會使用哪一種激活函數(shù)用于輸出層?()ALeakyReLUBsigmoidCtanhDReLU第2題以下哪種策略不能防止過擬合。(

)A使用激活函數(shù)B加大訓練數(shù)據(jù)量CDropout對網(wǎng)絡進行裁剪D調整合適的學習率第3題梯度下降算法中主要是如何計算的?()。A求導數(shù)B求和C求平均D求對數(shù)第4題神經(jīng)網(wǎng)絡中常見的超參數(shù)有?()A梯度下降法迭代的步數(shù)B隱藏層數(shù)目C正則化參數(shù)D學習率正確答案：ABCD第5題多層感知器是感知器的推廣,克服了感知器不能對線性不可分數(shù)據(jù)進行識別的弱點。()第6題sigmoid函數(shù)不是關于原點中心對稱的,這會導致之后的網(wǎng)絡層的輸出也不是零中心的,進而影響梯度下降運作。tanh激活函數(shù)解決了這個不足。()第7題基于神經(jīng)網(wǎng)絡的機器學習主要分為兩個過程,即訓練過程和使用過程。()第8題全連接Fully-connected網(wǎng)絡指的是前一層中的每個神經(jīng)元都連接到下一層的每個神經(jīng)元。()第9題反向傳播的作用是訓練模型參數(shù),在所有參數(shù)上用梯度下降,使神經(jīng)網(wǎng)絡模型在訓練數(shù)據(jù)上的損失函數(shù)最大。()第10題準確率和損失函數(shù)都可以作為評價模型的優(yōu)劣指標。()第10章課后作業(yè)第1題在深度學習中,CNN是指()ACableNewsNetwork,電視新聞網(wǎng)絡BConvolutionalNeuralNetwork,卷積神經(jīng)網(wǎng)絡CCableNeuralNetwork,