人工智能机器学习技术练习(习题卷9)

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9)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.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:[单选题]2.SVM在下列那种情况下表现糟糕A)线性可分数据B)清洗过的数据C)含噪声数据与重叠数据点答案:C解析:当数据中含有噪声数据与重叠的点时,要画出干净利落且无误分类的超平面很难[单选题]3.高频增强滤波器由于相对削弱了低频成分,因而滤波所得的图像往往偏暗,对比度差,所以常常需要在滤波后进行?A)直方图均衡化;B)低频加强;C)图像均匀加亮;D)中值滤波;答案:A解析:[单选题]4.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]5.对于非线性回归问题,以下说法错误的是哪个()。A)可以分别求单个自变量与因变量的回归方程,然后简单求这些方程的加权和B)非线性回归方程的系数需要把其转化为线性回归方程才方便求解C)非线性回归模型的检验也可以使用R2D)Logistic回归是一种典型的广义线性回归模型答案:A解析:[单选题]6.假设下图是K-means算法的聚类结果，那么K的值为（）A)1B)2C)3D)4答案:C解析:[单选题]7.下列选项中属于感知技术的是()A)机器学习技术和计算实施技术B)计算实施技术和语音识别技术C)语音识别技术和机器视觉D)机器视觉和机器学习技术答案:C解析:[单选题]8.一切以数据作为驱动或者核心的产品叫做（）A)创新性产品B)数据产品C)风控产品D)核心产品答案:B解析:[单选题]9.计算一个任意三角形的面积,S=√(p(p-a)(p-b)(p-c)),p=(a+b+c)/2,以下等价类测试用例中,不属于无效等价类的是A)a=5,b=3,c=6;B)a=2,b=3,c=5;C)a=7,b=3,c=3;D)a=2,b=6,c=3;答案:A解析:[单选题]10.遗忘门的作用是（）。A)保留重要信息B)去除不重要信息C)信息增加D)输出答案:B解析:[单选题]11.如果在大型数据集上训练决策树。为了花费更少的时间来训练这个模型，下列哪种做法是正确的？A)增加树的深度B)增加学习率C)减小树的深度D)减少树的数量答案:C解析:本题考查的是决策树相关概念。一般用决策树进行分类，从根结点开始，对实例的某一特征进行测试，根据测试结果，将实例分配到其子结点。这时，每一个子结点对应着该特征的一个取值。如此递归地对实例进行测试并分类，直至达到叶结点。最后将实例分到叶结点的类中。--引自李航《统计学习方法》决策树深度越深，在训练集上误差会越小，准确率越高。但是容易造成过拟合，而且增加模型的训练时间。对决策树进行修剪，减小树的深度，能够提高模型的训练速度，有效避免过拟合。单决策树中，学习率不是一个有效参数。决策树是单树，随机森林由多个决策树组成。[单选题]12.一般,K-NN最近邻方法在什么情况下效果好()A)样本较多但典型性不好B)样本较少但典型性较好C)样本呈团状分布D)样本呈链状分布注:最近邻属于分类算法,样本多而且典型性不好容易造成分类错误(尤其是在分类边界上的样本点)。样本分布对聚类算法的影响较大。答案:B解析:[单选题]13.在线性回归中，(__)试图找到一条直线，使所有样本到直线上的欧氏距离之和最小。A)最小二乘法B)拉格朗日乘子法C)欧氏距离D)均方误差答案:A解析:[单选题]14.以下哪个图像显示y=1的代价函数?以下是两类分类问题的逻辑回归(Y轴损失函数和x轴对数概率)的损失函数。注:Y是目标类A)AB)BC)两者D)这些都没有答案:A解析:A正确,因为损失函数随着对数概率的增加而减小[单选题]15.以下关于卷积神经网络，说法正确的是()A)卷积神经网络只能有一个卷积核B)卷积神经网络可以有多个卷积核，但是必须同大小C)卷积神经网络可以有多个卷积核，可以不同大小D)卷积神经网络不能使用在文本这种序列数据中答案:C解析:[单选题]16.()是预测一个标签（离散型），属于监督学习A)分类B)回归C)聚类D)强化学习答案:A解析:[单选题]17.在概率图模型中，（__）模型是结构最简单的动态贝叶斯网，主要用于时序数据建模。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:B解析:[单选题]18.对于一个给定的token,其输入表示为它的token嵌入、段嵌入(SegmentEmbedding)、位置嵌入(PositionEmbedding)的总和A)ELMoB)GPTC)BERTD)ULMFit答案:C解析:[单选题]19.哪个不是本地模式运行的条件()。A)spark.localExecution.enabled=trueB)显式指定本地运行C)finalStage无父StageD)partition默认值答案:D解析:[单选题]20.（__）由两层神经元组成。A)神经系统B)神经网络C)神经元D)感知机答案:D解析:[单选题]21.(__)是指样本空间中具有代表性的点。A)样本点B)原点C)原型D)实例答案:C解析:[单选题]22.(__)不属于基于实例学习方法。A)KNNB)局部加权回归算法C)基于案例的推理D)决策树算法答案:D解析:[单选题]23.关于k-means算法，正确的描述是()A)能找到任意形状的聚类B)初始值不同，最终结果可能不同C)每次迭代的时间复杂度是O(n^2),其中n是样本数量D)不能使用核函数答案:B解析:[单选题]24.以下哪个是PCA算法的主要应用？A)聚类B)分类C)距离度量D)数据压缩答案:D解析:[单选题]25.下列关于Boosting和Bagging的描述正确的是：A)Boosting主要关注降低方差B)Boosting的代表算法有随机森林C)Bagging基于自助采样法D)Bagging主要关注降低偏差答案:C解析:[单选题]26.以下哪种情况LDA会失败?A)如果有辨识性的信息不是平均值,而是数据的方差B)如果有辨识性的信息是平均值,而不是数据方差C)如果有辨识性的信息是数据的均值和方差D)都不是答案:A解析:LDA算法既可以用来降维,又可以用来分类,但是目前来说,主要还是用于降维。在我们进行图像识别图像识别相关的数据分析时,LDA是一个有力的工具。下面总结下LDA算法的优缺点。LDA算法的主要优点有:1)在降维过程中可以使用类别的先验知识经验,而像PCA这样的无监督学习则无法使用类别先验知识。2)LDA在样本分类信息依赖均值而不是方差的时候,比PCA之类的算法较优。LDA算法的主要缺点有:1)LDA不适合对非高斯分布样本进行降维,PCA也有这个问题。2)LDA降维最多降到类别数k-1的维数,如果我们降维的维度大于k-1,则不能使用LDA。当然目前有一些LDA的进化版算法可以绕过这个问题。3)LDA在样本分类信息依赖方差而不是均值的时候,降维效果不好。4)LDA可能过度拟合数据。LDA用于降维,和PCA有很多相同,也有很多不同的地方,因此值得好好的比较一下两者的降维异同点。首先我们看看相同点:1)两者均可以对数据进行降维。2)两者在降维时均使用了矩阵特征分解的思想。3)两者都假设数据符合高斯分布。我们接着看看不同点:1)LDA是有监督的降维方法,而PCA是无监督的降维方法2)LDA降维最多降到类别数k-1的维数,而PCA没有这个限制。3)LDA除了可以用于降维,还可以用于分类。4)LDA选择分类性能最好的投影方向,而PCA选择样本点投影具有最大方差的方向。[单选题]27.如果我们用了一个过大的学习速率会发生什么?A)神经网络会收敛B)不好说C)都不对D)神经网络不会收敛答案:D解析:[单选题]28.下面不属于过拟合原因的是A)特征维度过多B)模型假设过于复杂C)训练数据过多D)噪声过多答案:C解析:[单选题]29.下列算法中属于点处理的是:()A)梯度锐化B)二值化C)傅立叶变换D)中值滤波答案:B解析:[单选题]30.（__）算法要求基学习器能对特定的数据分布进行学习，在训练过程的每一轮中，根据样本分布为每个训练样本重新赋予一个权重。A)BoostingB)支持向量机C)贝叶斯分类器D)神经网络答案:A解析:[单选题]31.以下哪个步骤将原始数据进行变换、变量相关性、标准化等任务()。A)部署B)业务需求分析C)数据预处理D)结果评估答案:C解析:[单选题]32.数据科学家可能会同时使用多个算法（模型）进行预测，并且最后把这些算法的结果集成起来进行最后的预测（集成学习），以下对集成学习说法正确的是:A)单个模型之间有高相关性B)单个模型之间有低相关性C)在集成学习中使用?平均权重?而不是?投票?会比较好D)单个模型都是用的一个算法答案:B解析:[单选题]33.通常来说,哪个模型被认为易于解释?()A)SVMB)LogisticRegressionC)DecisionTreeD)K-nearestNeghbor答案:C解析:[单选题]34.K-Means算法无法聚以下哪种形状的样本？A)圆形分布B)螺旋分布C)带状分布D)凸多边形分布答案:B解析:K-Means算法是基于距离测量的，无法聚非凸形状的样本。[单选题]35.要想让机器具有智能，必须让机器具有知识。因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识和技能，实现自我完善，这门研究分支学科叫()A)专家系统B)机器学习C)神经网络D)模式识别答案:B解析:[单选题]36.支持向量（supportvectors）指的是（）A)对原始数据进行采样得到的样本点B)决定分类面可以平移的范围的数据点C)位于分类面上的点D)能够被正确分类的数据点答案:B解析:[单选题]37.增强现实领域(AR)大量应用了(),典型的就是微软的HoLolensA)虚拟现实技术B)图像处理C)计算机视觉D)语音识别答案:C解析:[单选题]38.留出法直接将数据集划分为()个互斥的集合。A)一B)二C)三D)四答案:B解析:留出法(hold-out)直接将数据集D划分为两个互斥的集合,其中一个集合作为训练集,另一个作为测试集T。[单选题]39.代码selectbin(17)与下面结果一致:A)selectconv(17,10,2)B)selectconv(17,2,10)C)selectconv(17,2,16)D)selectconv(17,10,16)答案:A解析:[单选题]40.（__）度量了同样大小的训练集的变动所导致的学习性能的变化。A)偏差B)方差C)均方差D)泛化误差答案:B解析:[单选题]41.()算法的训练数据集只有特征，没有标签A)有监督学习B)半监督学习C)无监督学习D)强化学习答案:C解析:[单选题]42.（__）是交叉验证法的一种特例。A)自助法B)留一法C)交叉验证法D)错误率分析答案:B解析:[单选题]43.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:[单选题]44.下面不属于位置智能的有(__)。A)foursquareB)placeIQC)MapillaryD)bloomberg答案:D解析:[单选题]45.下列哪个属性是hdfs-site.xml中的配置?A)dfs.replicationB)fs.defaultFSC)D)yarn.resourcemanager.address答案:A解析:[单选题]46.将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务?A)频繁模式挖掘B)分类和预测C)数据预处理D)数据流挖掘答案:C解析:[单选题]47.下列不是距离度量需要满足的基本性质的是（__）。A)非负性B)同一性C)对称性D)传递性答案:D解析:[单选题]48.当k=3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:B解析:[单选题]49.关于L1、L2正则化,下列说法正确的是()。A)L2正则化能防止过拟合,提升模型的泛化能力,但L1做不到这点B)L2正则化技术又称为LassoRegularizationC)L1正则化得到的解更加稀疏D)L2正则化得到的解更加稀疏答案:C解析:L1正则化可以产生稀疏权值矩阵,即产生一个稀疏模型,可以用于特征选择;L2正则化可以防止模型过拟合,一定程度上L1也可以防止过拟合,L1正则化又称LassoRegression。[单选题]50.在Numpy中向量转成矩阵使用（）。A)arrange()B)reval()C)reshape()D)random()答案:C解析:[单选题]51.假设precision=TP/(TP+FP),recall=TP/(TP+FN),则在二分类问题中,当测试集的正例和负例数量不均衡时,以下评价方案中()是相对不合理的。A)Accuracy:(TP+TN)/allB)F-value:2recallprecision/(recall+precision)C)G-mean:sqrt(precision*recall)D)AUC:曲线下面积答案:A解析:测试集正例和负例数量不均衡,那么假设正例数量很少占10%,负例数量占大部分90%。而且算法能正确识别所有负例,但正例只有一半能正确判别。那么TP=0.05×all,TN=0.9×all,Accuracy=95%。虽然Accuracy很高,precision是100%,但正例recall只有50%。[单选题]52.从宏观角度来看，数据可视化的功能不包括（）。A)信息记录B)信息的推理分析C)信息清洗D)信息传播答案:C解析:[单选题]53.Adaboost是属于机器学习里面的（），是一个二分类模型A)监督学习B)半监督学习C)无监督学习D)强化学习答案:A解析:[单选题]54.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:[单选题]55.以下哪个选项是真的?A)LDA明确地尝试对数据类别之间的差异进行建模,而PCA没有。B)两者都试图模拟数据类之间的差异。C)PCA明确地试图对数据类别之间的差异进行建模,而LDA没有。D)两者都不试图模拟数据类之间的差异。答案:A解析:[单选题]56.（__）的基本思想是学习过程由信号的正向传播与误差反向传播两个过程组成。A)感知机B)神经元C)神经系统D)误差逆传播答案:D解析:[单选题]57.下面不属于脏数据的是(__)。A)有缺失值B)冗余数据C)噪声数据D)无序数据答案:D解析:[单选题]58.（__)可看做用坐标下降法来最大化对数似然下界的过程。A)EM算法B)贝叶斯决策C)贝叶斯分类器D)边际似然答案:A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.关于ZooKeeper的说法描述正确的是()A)是一个分布式应用程序协调服务B)Google的Chubby一个开源实现C)是Hadoop的重要组件D)提供的服务包括配置维护、域名服务、分布式同步、组服务答案:ABCD解析:[多选题]60.下面属于探索性分析主要关注的四大主题的有(__)。A)耐抗性B)方差C)重新表达D)启示答案:ACD解析:[多选题]61.ID3算法从功能上看有哪两点明显不足？A)实例各特征的取值必须是离散值，而不能是连续实数值B)预测目标值只能为离散值，不能是连续实数值，因此只能处理分类问题，不能处理回归问题C)实例各特征的取值必须是连续实数值，而不能是离散值D)预测目标值只能为连续实数值，不能是离散值，因此只能处理回归问题，不能处理分类问题答案:AB解析:[多选题]62.下面属于数据科学理论基础的有(__)。A)统计学B)数据可视化C)机器学习D)领域知识答案:ABCD解析:[多选题]63.神经网络起源很早，但真正被大规模商用还是在本世纪，你觉得阻碍神经网络在上世纪发展的主要原因是什么()A)理论没有发展起来B)科学界不重视C)计算能力跟不上D)标注数据不足答案:CD解析:[多选题]64.F1参数由（__）和（__）综合获得A)查全率B)查准率C)误差D)精度答案:AB解析:[多选题]65.一个监督观测值集合会被划分为()。A)训练集B)验证集C)测试集D)预处理集答案:ABC解析:一个监督观测值集合会被划分为训练集、测试集、预测集。其中测试集来测试学习器对新样本的判别能力,然后以测试集上的测试误差(testingerror)作为泛化误差的近似。[多选题]66.聚类性能度量外部指标包括()。A)Jaccard系数B)FM指数C)Dunn指数D)Rand指数答案:ABD解析:常用的聚类性能度量外部指标包括Jaccard系数、FM指数、Rand指数。[多选题]67.广义不确定性可分为()**A)粗糙性B)模糊性C)不完全性D)时变性答案:BC解析:[多选题]68.下列属于结合策略的是（__）。A)投票法B)平均法C)学习法D)排序法答案:ABC解析:[多选题]69.特征选择是重要的特征降维手段之一，以下描述中属于特征选择情况是()A)提取向量偶数位特征，重新表示向量B)前向序贯搜索子集，进行子集评价，选择最优子集C)采用可分性度量，度量每个特征，进行选择D)主成分分析降维答案:ABC解析:[多选题]70.随机森林的随机性在于()A)随机样本B)随机特征C)随机特征组合D)随机分裂规则答案:ABCD解析:[多选题]71.以下对大数据4V特性描述正确的是()。A)Value是指价值密度低B)大数据中所说的?速度?包括两种：计算速度和处理速度C)大数据时间分布是不均匀的D)在大数据中，价值价值与数据总量的大小存在线性关系答案:AC解析:[多选题]72.K均值聚类和层次聚类在一些方面有重大差异。以下说法正确的是()。A)在K均值聚类中,必须在运行算法前选定想要的簇的个数B)在K均值聚类中,可以在运行算法后选定想要的簇的个数C)在层次聚类中,可以在运行算法后选定想要的簇的个数D)K均值聚类算法所需的计算量比层次聚类算法小得多答案:ACD解析:在K均值聚类中,需要在运行算法前确定想要的簇的个数K。[多选题]73.下面与数据科学相关的正确描述有(__)。A)数据科学中的?数据?并不仅仅是?数值?也不等同?数值?B)数据科学中?计算?包括查询、洞见、可视化等C)数据科学关注的是?单一学科?D)数据科学并不仅仅是?理论研究?也不是?领域务实知识?答案:ABD解析:[多选题]74.下面关于特征选择和特征提取的描述正确的是()A)Relief算法属于特征提取方法B)特征选择的目标是从原始的d个特征中选择k个特征C)特征提取的目标是根据原始的d个特征的组合形成k个新的特征D)PCA属于特征选择方法答案:BC解析:[多选题]75.一个交叉验证将数据集分成两个互补的子集，分别是（__）和（__）。A)训练集B)测试集C)子集D)补集答案:AB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.join()方法可以使用左连接和右连接两种方式连接数据。A)正确B)错误答案:对解析:[判断题]77.学习能力是人具有智能的重要标志，机器学习主要研究在机器(计算机)上使用的学习方法A)正确B)错误答案:错解析:[判断题]78.NumPy的数组排序默认是从小到大。A)正确B)错误答案:对解析:[判断题]79.缺失数据是人为有意造成的。A)正确B)错误答案:错解析:[判断题]80.人工智能算法是严格按照规则进行股市交易的A)正确B)错误答案:对解析:[判断题]81.2.Bagging被誉为?代表集成学习技术水平的方法?A)正确B)错误答案:错解析:[判断题]82.K-Means算法基于距离来度量实例间的相似程度，通过对无标记样本的学习来揭示蕴含于数据中的性质及规律A)正确B)错误答案:对解析:[判断题]83.神经网络训练时可以将全部参数初始化为0。()A)正确B)错误答案:错解析:[判断题]84.支持向量是最靠近决策表面的数据点A)正确B)错误答案:对解析:[判断题]85.k-means算法是一种典型的基于距离的聚类算法，通过计算不同样本间的距离来判断他们的相近关系的，相近的就会放到同一个类别A)正确B)错误答案:对解析:[判断题]86.‌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A)正确B)错误答案:对解析:[判断题]87.如果自变量X和因变量Y之间存在高度的非线性和复杂关系，那么树模型很可能优于经典回归方法。这个说法正确吗？A)正确B)错误答案:对解析:本题考查的是回归模型的选择。当数据是非线性的时，经典回归模型泛化能力不强，而基于树的模型通常表现更好。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.目前，神经网络按照网络的结构可分为（）和（），按照学习方式可分为（）和（）。答案:前馈式|反馈式|监督学习|无监督学习解析:[问答题]89.主成分分析进行降维的原则是什么？答案:主成分分析法的实现就是对样本集的协方差矩阵进行特征值分解，取较大特征值对应的特征向量。而它遵循的原则就是：最近重构性和最大可分性。解析:[问答题]90.回归任务中最常用的性能度量是（）。答案:均方误差解析:[问答题]91.SVM的主要目标是寻找最佳（），以便在不同类的数据间进行正确分类。答案:超平面解析:[问答题]92.（）是缓解维数灾难的一个重要途径，即通过某种数学变换将原始高维属性空间转变为一个低维?子空间?，在这个子空间中样本密度大幅提高，距离计算也变得更为容易。答案:降维解析:[问答题