机器学习-北京理工大学中国大学mooc课后章节答案期末考试题库2023年

机器学习_北京理工大学中国大学mooc课后章节答案期末考试题库2023年Jessen不等式等号成立的条件是：变量为常数

参考答案:

正确

关于EM算法的用途，EM算法只适用不完全数据的情形。

参考答案:

错误

关于EM算法的收敛性，EM算法理论上不能够保证收敛。

参考答案:

错误

混淆矩阵中的TP=16，FP=12，FN=8，TN=4，精确率是

参考答案:

4/7

在SVM领域种，margin的含义是（）

参考答案:

间隔

SVM算法的最小时间复杂度是O（n*n）。基于这一点，以下哪种规格的数据集并不适用于该算法？

参考答案:

大数据集

如果一个样本空间线性可分，那么，我们能找到()个平面来划分样本

参考答案:

无数

SVM为什么会使用替代损失函数（如hinge损失，指数损失等）？

参考答案:

0/1损失函数非凸、不连续

支持向量机与逻辑回归的数学本质上的区别是什么？

参考答案:

损失函数

非线性支持向量机可以使用的核函数包含()

参考答案:

以上都是

关于LinearSVC叙述有误的是()

参考答案:

以上答案无误

关于sklearn库中的svm叙述有误的是()

参考答案:

SVC训练时间复杂度为O(nlogn),训练集实例数量大时很难进行归一化

混淆矩阵的真负率公式是为

参考答案:

TN/(TN+FP)

下列描述有监督学习错误的是

参考答案:

所有数据都相互独立分布

根据王珏的理解，下列不属于对问题空间W的统计描述是

参考答案:

学习能力

LDA模型的核心假设是：假设每个文档首先由主题分布表示，然后主题由词概率分布表示，形成文档-主题-词的三级层次。

参考答案:

正确

在两个变量的回归分析中，作散点图是为了（）

参考答案:

根据经验选定回归方程的类型

已知变量x与y正相关，且由观测数据算得x的样本平均值为3，y的样本平均值为3.5，则由该观测数据对应的线性回归方程可能是（）

参考答案:

y=0.4x+2.3

本章实验中训练集与测试集的划分比为（）

参考答案:

7:3

下列对python函数叙述正确的是（）

参考答案:

np.linspace(0,80,1000)表示取0-80之间1000个点

下列对于多项式函数叙述正确的是（）

参考答案:

2+x+x^3是3阶多项式

下列哪项误差用于本章房价预测问题中（）

参考答案:

MSELoss

读入数据集时常用的python库是（）

参考答案:

pandas

本章中房价预测问题用了以下哪个数据集（）

参考答案:

波士顿房价数据集

下列对回归问题和分类问题叙述正确的是（）

参考答案:

对下午四点共享单车租用量值的预测问题属于回归问题

最小二乘法仅当X^TX可逆时才可解（）

参考答案:

正确

理想情况下，梯度下降法与最小二乘法求解结果十分接近（）

参考答案:

正确

学习率是梯度下降法中的超参数（）

参考答案:

正确

下列对最小二乘法和梯度下降法的叙述正确的是（）

参考答案:

上述无正确答案

下列关于python中plot函数包叙述正确的是（）

参考答案:

用于绘制函数曲线图像

使用梯度下降法求y=(x-2.5)^2-1的极值点时，Resulttoolarge报错的主要原因是（）

参考答案:

学习率过大

下列关于DBSCAN定义叙述错误的是（）

参考答案:

密度可达是直接密度可达的传递闭包，是对称的，核心对象之间互相密度可达

下列关于SVM的叙述中，有误的一项是()

参考答案:

增删非支持向量样本对SVM有一定影响

SVM如何解决线性不可分问题()

参考答案:

通过核函数将特征映射到高维空间

假设有一个数据集，其中n=10个特征，m=5000个示例。使用梯度下降法训练logistic回归分类器后，您会发现它对训练集拟合不足，并且在训练集或交叉验证集上没有达到预期的性能。以下哪项可能是有希望采取的步骤？()

参考答案:

尝试用一个包含更多隐藏单元的神经网络

假设你使用高斯核训练了一个SVM分类器，它在训练集中学习了以下决策边界：【图片】当在交叉验证集上度量SVM的性能时，它的性能很差。你应该试着增加还是减少C？增加或减少σ^2()

参考答案:

减小C,增加σ^2

下列关于SVM优缺点总结，错误的是()

参考答案:

是一个非凸的优化问题，局部最优解不一定是全局最优解

SVM训练好之后，删除非支持向量的样本点后，此SVM仍然可以用于对新样本进行分类（）

参考答案:

正确

SVM可以对来自其它分布的噪声样本鲁棒（）

参考答案:

错误

对于DBSCAN，下列说法错误的是（）

参考答案:

对参数较不敏感

下列关于K-means算法叙述有误的是（）

参考答案:

算法适合发现非凸形状的簇，或者大小差别很大的簇

1.划分方法包括的典型方法有（）(1)K-means及其变种(2)K-中心点(3)CLARA(4)CLARANS

参考答案:

(1)(2)(3)(4)

下列属于聚类算法的方法包括（）(1)划分方法(2)层次方法(3)基于密度方法(4)基于网格方法(5)基于模型方法

参考答案:

(1)(2)(3)(4)(5)

下列关于聚类和分类的说法中，错误的是（）

参考答案:

分类是一种无监督学习

K-means的算法步骤正确的是（）输入:n个对象的数据集D，簇数目k输出:k个簇(1)将每个对象分配到中心与其最近的簇；(2)从D中随机选择k个对象作为初始簇中心；(3)重新计算簇的均值，使用新的均值作为每个簇的中心(4)重复迭代，直到所有簇中的对象不再变换

参考答案:

(2)(1)(3)(4)

多次运行，随机化初始点是对存在局部最优点的函数求解的一种方案（）

参考答案:

正确

以下对于梯度下降法中学习率lr的阐述，正确的是（）

参考答案:

lr大,收敛速度较快但可能导致不收敛

梯度下降法求函数极值算法步骤正确的是（）(1)给定初始点x0、阈值和学习率(2)计算函数在该点的导数(3)如果插值小于阈值则找到极值点，否则重复前3步(4)根据梯度下降更新公式得到下一个x点(5)计算更新前后两点函数值的差值

参考答案:

(1)(2)(4)(5)(3)

梯度下降在深度神经网络中被广泛使用（）

参考答案:

正确

对于Actor-Critic算法，说法错误的是

参考答案:

Critic网络是用来输出动作的_Actor网络是用来评价Critic网络所选动作的好坏的

以下属于Actor-Critic算法的是

参考答案:

DDPG_A3C

关于A3C算法说法正确的是

参考答案:

A3C是on-policy的算法_使用了多个线程，每个线程对应了不同的探索方式

以下哪种算法属于策略梯度算法

参考答案:

TRPO_PPO_REINFORCE

关于DoubleDQN说法正确的是

参考答案:

DoubleDQN可以减小偏差_Q值的目标值中的max操作会产生过估计，从而影响找到最佳策略

关于DQN说法正确的是

参考答案:

对于atari游戏中，一般将连续4帧图像放在一起作为一个state送到神经网络中_网络的输出是Q值_网络最开始使用卷积神经网络或全连接网络，目的是为了提取图像特征信息

关于经验池（experiencereplay）叙述正确的是

参考答案:

每次更新时随机采样样本_打破样本之间的连续性

Q-learning与Sarsa相同的地方是

参考答案:

都使用了等策略进行探索_都用q-table存储状态动作对

反向传播算法中需要先计算靠近输入层参数的梯度，再计算靠近输出层参数的梯度

参考答案:

错误

训练算法的目的就是要让模型拟合训练数据

参考答案:

错误

卷积神经网络通常比全连接神经网络参数少，因此能力更差

参考答案:

错误

循环神经网络按时间展开后就可以通过反向传播算法训练了

参考答案:

正确

LSTM和GRU网络因为引入了门控单元，可以缓解梯度消失问题

参考答案:

正确

为什么循环神经网络可以用来实现自动问答，比如对一句自然语言问句给出自然语言回答？

参考答案:

因为自动问答可以看成是一种序列到序列的转换_因为循环神经网络能够处理变长输入

通常有哪几种训练神经网络的优化方法？

参考答案:

小批量随机梯度下降法_梯度下降法_随机梯度下降法

隐马尔可夫模型是一种统计模型，经常用来描述一个含有隐含未知参数的马尔可夫过程。

参考答案:

正确

最大似然估计方法是实例数据不完备情况下的学习方法。

参考答案:

错误

贝叶斯网络具有的条件独立性是结点与其后代结点条件独立

参考答案:

错误

下图是全连接图。【图片】

参考答案:

错误

隐马尔可夫模型的三个基本问题是：

参考答案:

估值问题_寻找状态序列_学习模型参数

在数据不完备时，贝叶斯网络的参数学习方法有：

参考答案:

蒙特卡洛方法_拉普拉斯近似_高斯逼近

基于约束的方法通过统计独立性测试来学习结点间的

参考答案:

相关性_独立性

基于搜索评分的方法，关键点在于

参考答案:

确定评分函数_确定合适的搜索策略

GIS算法的收敛速度由计算更新值的步长确定。C值越大，步长越大，收敛速度就越快。

参考答案:

错误

从最大熵思想出发得出的最大熵模型，采用最大化求解就是在求P(y|x)的对数似然最大化。

参考答案:

正确

熵最大时，表示随机变量最不确定，也就是随机变量最随机，对其行为做准确预测最困难。

参考答案:

正确

逻辑斯蒂回归模型是一种回归算法。

参考答案:

错误

条件随机场需要解决的关键问题有：

参考答案:

模型推断_特征函数的选择_参数估计

以下关于逻辑斯蒂回归模型的描述正确的是

参考答案:

逻辑斯蒂回归模型是线性回归模型_直接对分类的可能性进行建模，无需事先假设数据分布，这样就避免了假设分布不准确所带来的问题。_针对分类的可能性进行建模，不仅能预测出类别，还可以得到属于该类别的概率。_模型本质仍然是一个线性模型，实现相对简单。

k-means算法、EM算法是建立在凸球形的样本空间上的聚类方法

参考答案:

正确

EM聚类属于软分聚类方法

参考答案:

正确

DBSCAN对参数不敏感

参考答案:

错误

分裂层次聚类采用的策略是自底向上

参考答案:

错误

数据有噪声，有重复值，不会导致SVM算法性能下降

参考答案:

错误

支持向量是最靠近决策表面的数据点

参考答案:

正确

“硬间隔”是指SVM允许分类时出现一定范围的误差

参考答案:

错误

若参数C（costparameter）被设为无穷，只要最佳分类超平面存在，它就能将所有数据全部正确分类

参考答案:

正确

SVM中的泛化误差代表SVM对新数据的预测准确度

参考答案:

正确

主题建模本质上是：一种新的文档表示方法，主要是通过主题的分布来表示一个文档。一种数据压缩方法，将文档压缩在更小的空间中。

参考答案:

正确

主题建模的关键是确定数据集合的主题个数。

参考答案:

错误

LDA模型是一种生成式模型

参考答案:

正确

关于LDA模型中的K，K的指定，必须考虑数据集合的特点，选择一个较为优化的数值。

参考答案:

错误

Gibbs采样是一类通用的采样方法，和M-H采样方法没有任何关系。

参考答案:

错误

吉布斯采样是一种通用的采样方法，对于任何概率分布都可以采样出对应的样本。

参考答案:

错误

使用k-means算法对红酒数据集进行聚类的实践中，与事实不符的是（）

参考答案:

自实现的Kmeans模型与调用sklearn包的kmeans模型的准确度相等

关于数据预处理对聚类分析的影响的错误说法是（）

参考答案:

有助于提升聚类质量

下列哪个不是影响基本K-均值算法的主要因素（）

参考答案:

聚类准则

LDA模型在做参数估计时，最常用的方法是

参考答案:

Gibbs采样方法_变分推断

EM算法通常不需要设置步长，而且收敛速度一般很快。

参考答案:

正确

EM算法，具有通用的