机器学习知到章节答案智慧树2023年山东科技大学VIP

机器学习知到章节测试答案智慧树2023年最新山东科技大学第一章测试

机器学习最主要的两种形式是监督学习和无监督学习。（）

参考答案:

对

下面哪句话是正确的?（）

参考答案:

增加模型的复杂度，总能减小训练样本误差

下列属于无监督学习的是（）

参考答案:

K-Means

机器学习的核心是算法。（）

参考答案:

对

过拟合只是监督学习中的问题，对于无监督学习影响不大。（）

参考答案:

错

机器学习最主要的两种形式是监督学习和无监督学习。（）

参考答案:

对

下面哪句话是正确的?（）

参考答案:

增加模型的复杂度，总能减小训练样本误差

下列属于无监督学习的是（）

参考答案:

K-Means

机器学习的核心是算法。（）

参考答案:

对

过拟合只是监督学习中的问题，对于无监督学习影响不大。（）

参考答案:

错

第二章测试

在实际应用中，选取损失函数的制约因素包括（）。

参考答案:

是否有异常值;梯度下降的时间复杂度;求导的难易程度;机器学习算法的选择

岭回归的目标函数是一个严格凸函数，没有唯一最优解。（）

参考答案:

错

线性回归算法、逻辑回归算法和支持向量机等监督式学习算法，都是经验损失最小化架构在具体问题中的表现。（）

参考答案:

对

以下关于无约束经验损失最小化算法的说法哪个是正确的?（）

参考答案:

容易发生过渡拟合;可以精确地拟合训练数据;“无约束”的意思是模型的选择不受任何约束，可以输出模型空间中的任何模型

以下关于结构损失最小化算法的说法哪个是错误的?（）

参考答案:

不会发生过渡拟合

第三章测试

以下是线性回归应用场景的是（）

参考答案:

房价预测

下列属于线性回归的分类的有（）

参考答案:

ABC都是

以下关于随机森林算法说法错误的是（）

参考答案:

随机森林分类算法的输出类别是由所有决策树输出类别的平均数来确定的。

K均值算法的关键是？（）

参考答案:

选取数据样本的K个中心

合并聚类算法的时间复杂度为O(m2)。（）

参考答案:

错

第四章测试

梯度下降算法的正确步骤是什么？

(a)计算预测值和真实值之间的误差；(b)迭代更新，直到找到最佳权重；(c)把输入传入网络，得到输出值；(d)初始化随机权重和偏差；(e)对每一个产生误差的神经元，改变相应的（权重）值以减少误差。（）

参考答案:

d,c,a,e,b

随机梯度下降法缺点在于每次更新可能并不会按照正确的方向进行，参数更新具有高方差，从而导致损失函数剧烈波动。（）

参考答案:

对

牛顿法是梯度下降法的进一步发展，牛顿法不仅使用目标函数的一阶偏导数，还进一步利用了目标函数的二阶偏导数，这样就考虑了梯度变化的趋势，因而能更全面地确定合适的搜索方向加快收敛，它具二阶收敛速度。（）

参考答案:

对

坐标下降算法的优点是容易计算,同时收敛很快;缺点是当loss比较复杂时,会很明显的降低速度。（）

参考答案:

对

通过梯度下降算法，计算方程取最小值（极小值）时候的最优解x。求解过程主要通过迭代优化方法完成迭代的方程为：

其中x为要求的解，为梯度（也就是导数或偏导，我们在这里用最简单的一元函数演示，所以直接写成导数），a为学习率（或称步长，是一个重要的参数，a的选择直接影响这着算法的效率）

参考答案:

null

第五章测试

关于分类和回归问题，下面说法正确的是?（）

参考答案:

回归和分类都是有监督学习问题。;一般来说，回归不用在分类问题上，但是也有特殊情况，比如Logistic回归可以用来解决0/1分类问题。;回归问题和分类问题都有可能发生过拟合。

我们知道二元分类一般设定输出概率大于或等于0.5，则预测为正类；若输出概率小于0.5，则预测为负类。那么，如果将阈值0.5提高，例如0.6，大于或等于0.6的才预测为正类，则精确率（Precision）和召回率（Recall）会发生什么变化？（）

参考答案:

精确率（Precision）增大或者不变。;召回率（Recall）减小或者不变。

Logistic回归算法是模型假设为Sigmoid函数的经验损失最小化算法。（）

参考答案:

对

Logistic回归属于（）

参考答案:

概率型非线性回归

Logistic回归可用于（）

参考答案:

ABC都是

关于分类和回归问题，下面说法正确的是?（）

参考答案:

一般来说，回归不用在分类问题上，但是也有特殊情况，比如Logistic回归可以用来解决0/1分类问题。;回归和分类都是有监督学习问题。;回归问题和分类问题都有可能发生过拟合。

我们知道二元分类一般设定输出概率大于或等于0.5，则预测为正类；若输出概率小于0.5，则预测为负类。那么，如果将阈值0.5提高，例如0.6，大于或等于0.6的才预测为正类，则精确率（Precision）和召回率（Recall）会发生什么变化？（）

参考答案:

召回率（Recall）减小或者不变。;精确率（Precision）增大或者不变。

Logistic回归算法是模型假设为Sigmoid函数的经验损失最小化算法。（）

参考答案:

对

Logistic回归属于（）

参考答案:

概率型非线性回归

Logistic回归可用于（）

参考答案:

ABC都是

第六章测试

下面关于SVM原理的说法错误的是：（）

参考答案:

最大化间隔就是最大化，其中w是分类超平面的法向量

SVM决策边界只会被支持向量影响，跟其它样本点无关。（）

参考答案:

对

SVM使用高斯核函数之前通常会进行特征归一化，经过特征归一化得到的新特征通常优于旧特征。（）

参考答案:

对

SVM使用高斯核函数之前通常会进行特征归一化，经过特征归一化得到的新特征通常优于旧特征。（）

参考答案:

对

SVM决策边界只会被支持向量影响，跟其它样本点无关。（）

参考答案:

对

下列关于SVM的应用场景说法正确的是（多选）：（）

参考答案:

SVM思想能够应用于回归问题。;SVM能够解决多分类问题。;SVM在二分类问题上表现突出。;SVM能够实现异常值检测。

关于SVM核函数，下列说法中错误的是：（）

参考答案:

核函数把特征映射到的空间维度越高越好。

第七章测试

以下哪项关于决策树的说法是错误的（）

参考答案:

决策树算法对于噪声的干扰非常敏感

以下关于决策树原理介绍错误的有（）。

参考答案:

决策树算法属于无监督学习

我们想要在大数据集上训练决策树模型,为了使用较少的时间,可以（）。

参考答案:

减少树的深度

决策树的说法正确的是（）。

参考答案:

它易于理解、可解释性强;CART使用的是二叉树;其可作为分类算法,也可用于回归模型

决策树的生成只考虑局部最优,相对地,决策树的剪枝则考虑全部最优。（）

参考答案:

对

第八章测试

有关循环神经网络（RNN）的理解，以下哪些说法是正确的？（）

参考答案:

某个时刻t，隐层神经元拟合了上一时刻输入与输出以及当前输入与输出的关系;某个时刻t输入和输出之间的关系可以通过隐层神经元拟合;对于只有在最后一个时刻有输出的RNN，可以拟合输出的时序数据之间的关系对应的类别，例如商超客户的消费行为分析

长短期记忆网络（LSTM）通过遗忘门减少一般循环神经网络（RNN）的短期记忆不足，但增加算法的计算复杂度。（）

参考答案:

对

误差的反向传播，即从第一个隐藏层到输出层，逐层向前修改神经元的连接权值参数，使得损失函数值最小。（）

参考答案:

对

Sigmoid函数在变量取绝对值非常大的正值或负值时会出现饱和现象，意味着函数会变得很平，并且对输入的微小改变会变得不敏感。在反向传播时，当梯度接近于0，权重基本不会更新，很容易就会出现梯度消失的情况，从而无法完成深层网络的训练。（）

参考答案:

对

设输入为，滤镜（卷积核）为，在步幅为1且无填充等其他特殊处理的情况下，请计算卷积生成的镜像V

参考答案:

null

第九章测试

下列关于自动编码器说法错误的是（）

参考答案:

自动编码器是一种无监督学习，不需要损失函数。

线性判别分析法的目标是（）

参考答案:

类间区别尽可能大，类内区别尽可能小。

局部线性嵌入法的基本思想是保持样本点之间距离经降维后不改变。（）

参考答案:

错

下列方法中，可以用于特征降维的方法包括（）

参考答案:

自动编码器AE;线性判别分析法LDA;主成分分析法PCA

下列关于PCA说法正确的是（）

参考答案:

可以使用PCA在低维空间中可视化数据。;在使用PCA之前，通常需要对数据进行标准化放缩。;优先选择具有最大方差的主成分。

下列关于自动编码器说法错误的是（）

参考答案:

自动编码器是一种无监督学习，不需要损失函数。

线性判别分析法的目标是（）

参考答案:

类间区别尽可能大，类内区别尽可能小。

局部线性嵌入法的基本思想是保持样本点之间距离经降维后不改变。（）

参考答案:

错

下列方法中，可以用于特征降维的方法包括（）

参考答案:

主成分分析法PCA;线性判别分析法LDA;自动编码器AE

下列关于PCA说法正确的是（）

参考答案:

在使用PCA之前，通常需要对数据进行标准化放缩。;可以使用PCA在低维空间中可视化数据。;优先选择具有最大方差的主成分。

第十章测试

下列哪些属于聚类算法（）

参考答案:

K-means;DBSCAN;K-中心点

K-means的主要缺点之一是其简单地使用了平均值作为簇的中心。（）

参考答案