人工智能机器学习技术练习(习题卷1)

试卷科目：人工智能机器学习技术练习人工智能机器学习技术练习(习题卷1)PAGE"pagenumber"pagenumber/SECTIONPAGES"numberofpages"numberofpages人工智能机器学习技术练习第1部分：单项选择题，共62题，每题只有一个正确答案,多选或少选均不得分。[单选题]1.考虑下表中二元分类问题的训练样本,根据信息增益,哪个是最佳划分(在a1,a2,a3中):class="fr-ficfr-dibcursor-hover"A)a1B)a2C)a3答案:A解析:[单选题]2.特征归约主要是为了进行特征的()A)缺失值处理B)一致性处理C)异常值处理答案:B解析:[单选题]3.下面哪个端口不是spark自带服务的端口()。A)8080B)4040C)8090D)18080答案:C解析:[单选题]4.cell.zero_state(self.batch_size,dtype=tf.float32)这句代码的作用是（）。A)对inputs进行DropoutB)构造MultiCellC)输入图片D)对MultiCell初始化答案:D解析:[单选题]5.ID3和C4.5是比较著名的基本决策树算法。两者的主要区别是：A)ID3依据信息增益比做特征选择，而C4.5依据信息增益做特征选择B)ID3依据信息增益比做特征选择，而C4.5依据基尼指数做特征选择C)ID3依据基尼指数做特征选择，而C4.5依据信息增益做特征选择D)ID3依据信息增益做特征选择，而C4.5依据信息增益比做特征选择答案:D解析:[单选题]6.对比于机器学习程序与传统的计算机程序，下列说法不正确的是：A)都属于计算机程序B)输出结果不同C)输出结果相同D)经验总结问题处理上传统程序效果更好答案:C解析:[单选题]7.线性判别分析是一种经典的(__)学习方法。A)线性B)非线性C)聚类D)降维答案:A解析:[单选题]8.假设你需要调整参数来最小化代价函数(costfunction),会使用()技术。A)穷举搜索B)随机搜索C)Bayesian优化D)以上全是答案:D解析:[单选题]9.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()A)给定标签B)离散C)分类D)回归答案:D解析:[单选题]10.下面关于分析学习描述正确的是(__)。A)分析学习的缺陷在于不完美的领域理论B)分析学习的目标是拟合数据假设C)分析学习通过演绎推理D)分析学习无需先验知识答案:A解析:[单选题]11.有两个样本点，第一个点为正样本,它的特征向量是(0,-1);第二个点为负样本,它的特征向量是(2,3),从这两个样本点组成的训练集构建一个线性SVM分类器的分类面方程是（）A)2x+y=4B)x+2y=5C)x+2y=3D)以上都不对答案:C解析:[单选题]12.半监督支持向量机中最著名的是TSVM（TransductiveSupportVectorMachine）。与标准SVM一样，TSVM也是针对（）问题的学习方法？A)分类B)回归C)聚类D)二分类答案:D解析:[单选题]13.__是在一个数据集上对多个算法进行比较。A)t检验B)交叉验证t检验C)Friedman检验D)McNemar检验答案:C解析:[单选题]14.关于BP算法特点描述错误的是()A)输入信号顺着输入层、隐层、输出层依次传播B)计算之前不需要对训练数据进行归一化C)预测误差需逆向传播，顺序是输出层、隐层、输入层D)各个神经元根据预测误差对权值进行调整答案:B解析:[单选题]15.按照求解方法进行分类算法的划分，下列中为生成模型的是（）A)决策树B)K近邻C)贝叶斯分类器D)支持向量机SVM答案:C解析:[单选题]16.以下哪个不属于数据治理的内容A)理解自己的数据B)行为规范的制定C)岗位职责的定义D)获得更多的数据答案:D解析:[单选题]17.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)1B)2C)3D)1and3答案:C解析:[单选题]18.分类和回归的区别在于输出变量的类型，预测离散变量或者是定性输出的称为()A)分类B)回归C)聚类D)以上都不是答案:A解析:[单选题]19.F1参数（__），说明模型越稳定。A)越小B)越大C)越趋近于某一特定值D)F1参数和模型稳定性没有关系答案:B解析:[单选题]20.以下哪个模型属于生成模型()A)支持向量机B)逻辑回归C)DNND)朴素贝叶斯答案:D解析:[单选题]21.随机森林是在（__）上的一个扩展变体。A)BoostingB)AdaBoostC)RFD)Bagging答案:D解析:[单选题]22.以下对智慧描述不正确的是()。A)智慧是人类超出知识的那一部分能力B)智慧是人类的创造性设计、批判性思考和好奇性提问的结果C)智慧是从信息中发现的共性规律、模型、模式、理论、方法等D)智慧运用知识并结合经验创造性的预测、解释和发现答案:C解析:[单选题]23.在有限支撑集上,下面分布的熵最大()A)几何分布B)指数分布C)高斯分布D)均匀分布答案:D解析:[单选题]24.平面上平均每4个单位面积有一个染色点,观察一定面积上的点数X,X近似服从()A)均匀分布B)泊松分布C)二项分布D)正态分布答案:B解析:[单选题]25.AUC是衡量()模型优劣的一种评价指标。A)回归B)分类C)二分类D)聚类答案:C解析:[单选题]26.若a=range(100)，以下哪个操作是非法的是（）。A)a[-0.3]B)a[2:13]C)a[::3]D)a[2-3]答案:A解析:[单选题]27.以下哪个模型是生成式模型:A)贝叶斯模型B)逻辑回归C)SVMD)条件随机场答案:A解析:[单选题]28.在Pandas中以下哪个函数可以读取csv文件？（）。A)read_excel()B)read_csv()C)read_sql_query()D)read_text()答案:B解析:[单选题]29.下面哪个不属于卷积神经网络的一部分（）。A)输入层B)过滤层C)池化层D)全连接层答案:B解析:[单选题]30.一个栈的入栈序列为ABCDE,则栈的不可能的输出序列为A)DCBEAB)ACBEDC)DCEBAD)DEBCA答案:D解析:[单选题]31.对于随机森林和GBDT,下面说法正确的是()。A)在随机森林的单个树中,树和树之间是有依赖的,而GBDT中的单个树之间是没有依赖的B)这两个模型都使用随机特征子集,来生成许多单个的树C)我们可以并行地生成GBDT单个树,因为它们之间是没有依赖的D)GBDT训练模型的表现总是比随机森林好答案:B解析:组成随机森林的树可以并行生成;而GBDT只能是串行生成。[单选题]32.（__）试图对多个变量在给定观测值后的条件概率进行建模。A)马尔可夫随机场B)隐马尔可夫模型C)条件随机场D)逆误差传播答案:C解析:[单选题]33.对于神经网络模型，当样本足够多时，少量输入样本中带有较大的误差甚至个别错误对模型的输入-输出映射关系影响很小，这属于()A)泛化能力B)容错能力C)搜索能力D)非线性映射能力答案:B解析:[单选题]34.第一个成功应用的专家系统是()A)ELIZAB)DendralC)XconD)Deppepblue答案:B解析:[单选题]35.‌给定一定数量的红细胞、白细胞图像，但是并不知道图像与标签的对应关系，设计一个红白细胞分类器，这属于（）问题A)半监督学习B)无监督学习C)监督学习D)以上都可以答案:B解析:[单选题]36.以下说法正确的是()A)增加模型复杂度,模型在测试集上的准确率就能更好B)L2正则化的解通常是稀疏的,L1正则化可以使得参数趋向于更平滑C)对于PCA,我们应该选择是的模型具有最小variance的主成分D)每次使用K-means算法得到的聚类结果可能会不一样答案:D解析:[单选题]37.若A为假命题,B为真命题,以下命题中假命题有()A)¬AB)A!BC)A!BD)B¬A答案:B解析:[单选题]38.一个输入为（32，32，3）的数据集，通过一个卷积核个数为8，大小为5*5，步长为1的卷积层，输出（）。A)（28，28，8）B)（27，27，8）C)（28，28，3）D)（27，27，3）答案:A解析:[单选题]39.在其他条件不变的前提下，以下哪种做法容易引起机器学习中的过拟合问题A)增加训练集量B)减少神经网络隐藏层节点数C)删除稀疏的特征SD)SVM算法中使用高斯核/RBF核代替线性核答案:D解析:[单选题]40.下列选项中，关于drop_duplicates()方法描述错误的是（）。A)仅支持单一特征数据的去重B)仅对Series和DataFrame对象有效C)数据去重时默认保留第一个数据D)该方法不会改变原始数据排列答案:A解析:[单选题]41.Relief属于哪种特征选择方法A)包裹式B)启发式C)嵌入式D)过滤式答案:D解析:[单选题]42.下面不属于创建新属性的相关方法的是:A)特征提取B)特征修改C)映射数据到新的空间D)特征构造答案:B解析:[单选题]43.下面属于Boosting方法的特点是()A)构造训练集时采用Bootstraping的方式B)每一轮训练时样本权重相同C)分类器可以并行训练D)预测结果时,分类器的比重不同答案:D解析:[单选题]44.下列对于错误率的公式，解释正确的是（__）。A)统计分类器预测出来的结果与真实结果不相同的个数，然后除以总的样例集D的个数。B)先统计分类正确的样本数，然后除以总的样例集D的个数。C)预测为正的样例中有多少是真正的正样例D)样本中的正例有多少被预测正确答案:A解析:[单选题]45.关于线性鉴别分析的描述最准确的是,找到一个投影方向,使得()A)类内距离最大,类间距离最小B)类内距离最小,类间距离最大C)类内距离最大,类间距离最大D)类内距离最小,类间距离最小答案:B解析:[单选题]46.定义域为{飞机，火车，轮船}的离散属性也可称为称为（__）。A)无序属性B)有序属性C)连续属性D)离散属性答案:A解析:[单选题]47.(__)不是遗传算法基本原则。A)适者生存B)突变C)两性繁衍D)进化答案:D解析:[单选题]48.当k=5时，使用k近邻算法判断下图中的绿色方框属于（）A)圆形B)三角形C)长方形D)以上都不是答案:A解析:[单选题]49.优化问题Max4x1+2x2+4x3+2x4+x5+x6S.t.4x1+4x2+6x3+2x4+3x5+2x6<=11X1,x2,x3,x4,x5,x6∈{0,1}的最优目标函数值为()A)9B)8C)7D)6答案:B解析:[单选题]50.下列关于数据预处理的说法中，描述不正确的是（）。A)数据清洗的目的是为了提高数据质量B)异常值不一定要删除C)通过drop_duplicates()方法可以删除重复数据D)concat()函数可以根据一个或多个键将不同的DataFrame进行合并答案:D解析:concat()函数可以沿着一条轴将多个对象进行堆叠。[单选题]51.训练样本集S含有天气、气温、人体感受、风力4个指标,已知天气的熵为0.694,温度的熵为0.859,人体感受的熵为0.952,风力的熵为0.971,如使用ID3算法,选择()为树模型的分界点。A)天气B)气温C)人体感受D)风力答案:A解析:信息熵(informationentropy)是度量样本集合纯度最常用的一种指标,信息熵越大,变量的不确定性越大,反之越小。树模型的分界点应选择信息熵最小的元素,本体选天气。[单选题]52.Relief的扩展变体Relief-F能够处理（__)问题。A)二分类B)多分类C)回归D)降维答案:B解析:[单选题]53.?啤酒-纸尿布?问题讲述的是，超市购物中，通过分析购物单发现，买了纸尿布的男士，往往又买了啤酒。这是一个什么问题()A)关联分析B)回归C)聚类D)分类答案:A解析:[单选题]54.任一随机事件出现的概率为()。A)在-1与1之间B)小于0C)不小于1D)在0与1之间答案:D解析:如果没有其他的附加条件的话,一般概率P的取值范围是0≤P≤1。0代表不可能发生,1代表一定会发生。[单选题]55.一个机器学习系统的基本结构不包括以下那个()A)感知B)学习C)环境D)知识库答案:A解析:[单选题]56.下列关于L1正则化与L2正则化的描述,错误的是()。A)L1范数正则化有助于降低过拟合风险B)L2范数正则化有助于降低过拟合风险C)L1范数正则化比L2范数正则化更有易于获得稀疏解D)L2范数正则化比L1范数正则化更有易于获得稀疏解答案:C解析:参考周志华著《机器学习》252页。[单选题]57.信息熵是度量样本集合__最常用的一种指标。A)精确度B)准确率C)召回率D)纯度答案:D解析:[单选题]58.考虑欧几里得距离的数据，使用（）作为聚类的目标函数A)均方误差B)均方根误差C)平均绝对误差D)误差平方和答案:D解析:第2部分：多项选择题，共17题，每题至少两个正确答案,多选或少选均不得分。[多选题]59.下列关于嵌入式选择描述正确的是（__)。A)嵌入式选择是将特征选择过程与学习器训练过程融为一体B)嵌入式选择在学习器训练过程中自动地进行了特征选择C)对于嵌入式选择，特征选择过程与学习器训练过程在同一个优化过程中完成D)嵌入式特征选择方法直接针对给定学习器进行优化答案:ABC解析:[多选题]60.以下那些方法不常用于灰度内插值。（）A)最近邻内插法B)三次内插法C)双线性内插值法D)三次样条插值法答案:ABD解析:[多选题]61.下列关于贝叶斯分类器说法正确的是（__）。A)贝叶斯分类算法是一大类分类算法的总称B)贝叶斯分类算法以样本可能属于某类的概率作为分类依据C)朴素贝叶斯分类算法是贝叶斯分类算法中最简单的一种D)朴素贝叶斯分类算法采用了属性条件独立性假设答案:ABCD解析:[多选题]62.下列关于EM算法描述正确的是（__)。A)EM算法是常用的估计参数隐变量的利器B)EM算法即是期望最大化算法C)EM算法常被用来学习高斯混合模型的参数D)EM算法是一种迭代式的方法答案:ABCD解析:[多选题]63.下列关于特征选择方法说法正确的是A)过滤式方法先对数据集进行特征选择，然后再训练学习器，特征选择过程与后续学习器无关B)包裹式特征选择直接把最终将要使用的学习器的性能作为特征子集的评价标准C)包裹式特征选择过程中需要多次训练学习器，因此包裹式特征选择的计算开销通常比较大D)嵌入式特征选择是将特征选择过程与学习器训练过程融为一体，两者在同一个优化过程中完成答案:ABCD解析:[多选题]64.一个好的分类模型必须具有（___)。A)低训练误差B)低泛化误差C)过拟合D)欠拟合答案:AB解析:[多选题]65.关于神经网络中局部极小和全局最小描述正确的是A)局部极小解是参数空间中某个点，其领域点的误差函数值均大于该点的函数值；B)全局最小解是指参数空间中所有点的误差函数值均大于该点的函数值；C)局部极小值可能会有多个点，而全局最小值只有一个点；D)全局最小一定是局部极小；答案:ABCD解析:[多选题]66.下面属于数据科学家的主要职责有(__)。A)提出?好问题?B)完成?数据加工?C)实现?数据洞见?D)数据?故事化?答案:ABCD解析:[多选题]67.从行为目的与思维来看，数据统计方法可以分为(__)。A)描述统计B)洞见统计C)推断统计D)归纳统计答案:AC解析:[多选题]68.以下哪些模型是分类模型:()A)KNNB)KmeansC)NaïveBayesianD)LogisticRegression答案:ACD解析:[多选题]69.Bagging能不经修改地用于____等任务。A)多分类B)二分类C)回归D)聚类答案:ABC解析:[多选题]70.（__)是科学推理的两大基本手段。A)泛化B)归纳C)演绎D)特化答案:BC解析:[多选题]71.机器学习按照功能大致可以分为以下哪几类()A)聚类B)分类C)回归D)预测答案:ABC解析:[多选题]72.学习器结合可能从哪些方面带来好处A)统计方面B)计算方面C)表示方面D)预测方面答案:ABC解析:[多选题]73.处理高维数据的两大主流技术有哪些A)降维B)归一化C)特征抽取D)特征选择答案:AD解析:[多选题]74.下列有关k-mean算法说法正确的是()A)不能自动识别类的个数,随机挑选初始点为中心点计算B)数据数量不多时,输入的数据的顺序不同会导致结果不同C)不能自动识别类的个数,不是随机挑选初始点为中心点计算D)初始聚类中心的选择对聚类结果的影响很大答案:AD解析:[多选题]75.使用多元线性回归模型做房价预测，可以考虑以下哪些因素？A)地理位置B)交通情况C)人流量密集程度D)历史价格答案:ABCD解析:第3部分：判断题，共12题，请判断题目是否正确。[判断题]76.drop_duplicated()方法可以删除重复值。A)正确B)错误答案:错解析:[判断题]77.在基于SGD随机梯度下降算法的神经网络中，每次打乱数据是非常重要和必不可少A)正确B)错误答案:对解析:[判断题]78.训练/测试集的划分要尽可能保持数据分布的一致性，避免因数据划分过程引入额外的偏差而对最终结果产生影响，例如在分类任务中至少要保持样本的类别比例相似。A)正确B)错误答案:对解析:[判断题]79.只要当前的系统中安装了Anconda，则默认就已经拥有了JupyterNotebook，不需要再另行下载和安装。A)正确B)错误答案:对解析:[判断题]80.机器学习和深度学习是人工智能的两个不同的分支，很多问题机器学习无法解决，所以诞生了深度学习A)正确B)错误答案:错解析:[判断题]81.分类预测型任务从已分类的数据中学习模型，并对新的未知分类的数据使用该模型进行解释，得到这些数据的分类。根据标签的不同，分别称为分类任务和预测任务。如果类标签是连续的类别，称为预测任务。A)正确B)错误答案:对解析:[判断题]82.过拟合是有监督学习的挑战，而不是无监督学习A)正确B)错误答案:错解析:[判断题]83.直观上看，我们希望?物以类聚?，即聚类的结果?簇内相似度?高，且?簇间?相似度低。A)正确B)错误答案:对解析:[判断题]84.模型已知时强化学习任务能归结为基于动态规划的寻优问题，涉及到泛化能力。A)正确B)错误【】答案:错解析:[判断题]85.仿生算法是一类模拟自然生物进化或者群体社会行为的随机搜索方法的统称A)正确B)错误答案:对解析:[判断题]86.NumPy支持比Python更多的数据类型。A)正确B)错误答案:对解析:[判断题]87.逻辑斯蒂（对数几率）回归是一种回归学习方法。A)正确B)错误答案:错解析:第4部分：问答题，共9题，请在空白处填写正确答案。[问答题]88.创建一个范围在(0,1)之间的长度为12的等差数列的语句是（）。答案:np.linspace(0,1,12)解析:[问答题]89.对函数dist（.，.）若它是一个距离度量则需要满足的基本特性中以下哪个不是答案:A)A.非负性B)B.同一性C)C.递增性D)D.对称性C解析:[问答题]90.主成分分析方法(PCA)的主要应用是对数据进行。答案:数据压缩解析:[问答题]91.填空：线性降维方法假设从高维空间到低维空间的函数映