雨课堂学堂在线学堂云《机器学习初步( 南京)》单元测试考核答案

注：不含主观题第1题单选题(1分)机器学习的经典定义是：利用（）改善系统自身的性能。A经验B专家C规则D实践第2题单选题(1分)随着机器学习领域的发展，目前主要研究以下哪个领域的理论和方法？A汇编语言B程序设计C硬件D智能数据分析第3题单选题(1分)机器学习利用经验，必须对以下哪个选项进行分析？A天气B数据C生活D语言典型的机器学习过程-作业第1题单选题(1分)课程视频的西瓜数据集中，“好瓜、坏瓜”是一个西瓜样例的什么？A属性B类别标记C没有意义D数据集名称第2题单选题(1分)对于要预测的新的数据样本，它的类别标记是？A已知的B未知的C都可以D负类第3题填空题(1分)机器学习的模型，____（是/不是）从数据中产生的。正确答案：:["是"]计算学习理论-作业第1题单选题(1分)计算学习理论中最重要的理论模型是？A计算模型B数据模型C机器学习DPAC第2题单选题(1分)以下哪个是对概率近似正确（PAC）的正确解释？A以很低概率得到不好的模型B以很低概率得到很好的模型C以很高概率得到很好的模型D以很高概率得到不好的模型第3题填空题(1分)机器学习____（有/没有）坚实的理论基础。正确答案：:["有"]基本术语-作业第1题单选题(1分)课程视频中，训练数据中的“色泽”是什么？

A属性B属性值C类别标记D样本第2题单选题(1分)以下哪个选项指的是机器学习中的假设（hypothesis）？A属性B标记C数据D学到的模型第3题填空题(1分)多分类问题____（可以/不可以）分解为若干个二分类问题。正确答案：:["可以"]归纳偏好-作业第1题单选题(1分)归纳偏好指机器学习算法在学习过程中，对以下哪个选项的偏好？A数据B某种类型假设C标记D运行速度第2题单选题(1分)以下哪个选项是指“奥卡姆剃刀”原则？A若有多个假设与观察一致，则随机选一个B若有多个假设与观察一致，则选既不简单又不复杂的那个C若有多个假设与观察一致，则选最简单的那个D若有多个假设与观察一致，则选最复杂的那个第3题填空题(1分)利用“奥卡姆剃刀”原则时，确定哪个假设更“简单”，这个问题____（是/不是）简单的。正确答案：:["不是"]NFL定理-作业第1题单选题(1分)以下哪种说法描述了NFL定理？A一个算法a若在某些问题上比另一个算法b好，必存在另一些问题没算法b好B机器学习算法需要数据C所有机器学习问题问题出现的机会相同D一个算法a若在某些问题上比另一个算法b好，a一定比b需要更多数据第2题单选题(1分)以下哪个选项是NFL定理的重要前提？A所有“问题”难度不同B所有“问题”出现的机会服从任意分布C所有“问题”出现的机会不相同D所有“问题”出现的机会相同第3题填空题(1分)脱离具体问题，空泛地谈论“什么学习算法更好”____（有/没有）意义。正确答案：:["没有"]绪论-章节测试第1题单选题(1分)下列有关机器学习基本术语的说法错误的是A从数据中学得模型的过程称为“学习”或“训练”B训练过程中使用的数据称为“训练数据”，每一个样本称为一个“训练样本”，训练样本组成的集合称为“训练集”C学得模型对应了关于数据的某种潜在的规律，称为“假设”D学习过程就是为了找出数据的某种潜在规律，这个规律自身，一般称为“数据特征”第2题单选题(1分)以下关于机器学习预测任务的说法错误的是（）A一般地，预测任务是希望通过对训练集进行学习，建立一个从输入空间到输出空间的映射B对于二分类任务，一般令或C对于回归任务，一般D预测任务不需要训练样本的的标记信息第3题填空题(1分)聚类算法是机器学习中一种典型的____学习算法。(监督/无监督)正确答案：:["无监督"]第4题填空题(1分)学出来的模型适用于新样本的能力，称为

____能力。该能力越强，说明学得的模型越能很好地适用于整个样本空间。正确答案：:["泛化"]第5题填空题(1分)学得模型后，使用其进行预测的过程称为____。正确答案：:["测试"]第6题填空题(1分)根据训练数据是否拥有标记信息，我们可以将学习任务分为两大类，监督学习和____。正确答案：:["无监督"]第7题填空题(1分)分类和回归任务，按照数据是否拥有标记信息来说，属于机器学习中的____。正确答案：:["监督"]第8题单选题(1分)下列不属于机器学习任务的是（）A人脸识别B网页编写C文本分类D销量预测第9题单选题(1分)下列说法错误的是（）A模型是通过学习算法得到的B机器学习通常解决高度不确定性和复杂性的问题C分类和回归是监督学习的代表D机器学习一定需要类别标记第10题单选题(1分)下列说法错误的是（）A“色泽”取值为“青绿”，这里的“青绿”是属性值B输出是离散值的学习任务为分类任务C模型找出的规律一定是正确的D一般假设正类和反类是可交换的第11题单选题(1分)下列说法错误的是（）A学得模型适用于新样本的能力称为“泛化”能力B机器学习一般有“独立同分布”假设C机器学习在只要见过的数据上做好就行了，未见过样本上的性能不重要D一般假设拿到的所有数据都来自一个潜在的分布第12题填空题(1分)把见过的汽车分成若干组，这是一个____（分类/回归/聚类）任务正确答案：:["聚类"]第13题填空题(1分)上完机器学习课，小明在50个数据集上用不同算法模型进行训练和测试，发现算法a的效果一直比算法b好，他认为在所有问题上算法a的效果都会比b好。这个结论是____（正确/错误）的。正确答案：:["错误"]第14题填空题(1分)奥卡姆剃刀原则中，两个假设哪一个“更简单”，是____（容易/不容易）判断的。正确答案：:["不容易"]第15题单选题(1分)下列关于归纳偏好的说法错误的是（）A机器学习算法在学习过程中对某种类型假设的偏好，称为“归纳偏好”，或简称为“偏好”B一般来说，任何一个有效的机器学习算法都有其归纳偏好C“奥卡姆剃刀”原则在某些情况下可以指导我们选择偏好D在任何情况下，总有一个最优的学习算法泛化能力-作业第1题单选题(1分)下面哪一项可以作为模型好的标准？A错误率低B精度高C召回率高D上述指标都可以，但视具体任务和使用者需求而异第2题单选题(1分)我们希望模型在未见样本上表现好，这一能力通常被称作模型的什么能力？A泛化能力B建模能力C学习能力D拟合能力第3题填空题(1分)在评价模型性能时，我们更希望它____（泛化能力强/训练误差为0）正确答案：:["泛化能力强"]过拟合和欠拟合-作业第1题单选题(1分)模型在“未来”样本上的误差被称作A泛化误差B经验误差C学习误差D训练误差第2题单选题(1分)有的情况下，模型学习到了训练数据满足的特有性质，但这些性质不是一般规律，这种现象被称之为A欠拟合B过拟合C欠配D以上三个选项均不是第3题填空题(1分)在训练模型时，只需要保证模型的训练误差最小即可。____（是/否）正确答案：:["否"]三大问题-作业第1题单选题(1分)模型选择有哪些关键问题？A评估方法B性能度量C比较检验D以上三个选项都是关键问题第2题单选题(1分)为了说明模型在统计意义上表现好，我们最需要考虑A评估方法B性能度量C比较检验D以上三个选项都不需要考虑第3题填空题(1分)在没有“未来数据”的情况下，我们____（能/不能）通过训练集对泛化误差进行估计。正确答案：:["能"]评估方法-作业第1题单选题(1分)下列什么方法可以用来获得从原始数据集中划分出“测试集”？A留出法B交叉验证法C自助法D以上三个选项都可以第2题单选题(1分)下面哪一项不是留出法的注意事项？A需要保持训练集和测试集数据分布的一致性B只需要进行一次划分C测试集不能太大，不能太小D以上选项都是第3题填空题(1分)训练集与测试集____（应该互斥/可以不互斥）正确答案：:["应该互斥"]调参与验证集-作业第1题单选题(1分)调参以什么集合上的性能作为评价标准？A训练集B测试集C验证集D以上选项都可以第2题单选题(1分)当我们使用一个多项式函数去逼近数据集时，下面哪一个说法是正确的？A多项式的次数是超参数B多项式的系数是超参数C多项式的次数必须通过数据去学习D以上说法都是正确的第3题填空题(1分)超参数一般由____（人工/学习）确定。正确答案：:["人工"]性能度量-作业第1题单选题(1分)“好”模型取决于下列哪些因素？A算法B数据C任务需求D以上选项都是第2题单选题(1分)收购西瓜的公司希望把瓜摊的好瓜都尽量收走，请问他的评价标准是？A错误率B精度C查准率D查全率第3题填空题(1分)回归任务的性能度量之一均方误差

添加系数后

会影响判断哪个模型是最好的。____（是/否）正确答案：:["否"]比较检验-作业第1题单选题(1分)以下什么检验是基于列联表的？A交叉验证t检验BMcNemar检验C以上检验都是基于列联表的D以上检验都不是基于列联表的第2题单选题(1分)下面关于交叉验证t检验错误的是？A适用于模型采用k折交叉验证的评估方法B基于成对t检验C无法判断统计显著性D需要用到模型评估时k折交叉验证的k个结果第3题填空题(1分)两种算法在某种度量下取得评估结果后，可以直接比较以评价优劣。____（是/否）正确答案：:["否"]模型评估与选择-章节测试第1题单选题(1分)在训练集上的误差被称作A泛化误差B经验误差C测试误差D以上三个选项都不对第2题单选题(1分)当学习任务对数据分布的轻微变化比较鲁棒且数据量较少时，适合使用什么样的数据集划分方式？A留出法B交叉验证法C自助法D以上三个选项都可以第3题单选题(1分)我们通常将数据集划分为训练集，验证集和测试集进行模型的训练，参数的验证需要在__上进行，参数确定后__重新训练模型。A训练集需要B训练集不需要C验证集需要D验证集不需要第4题单选题(1分)当西瓜收购公司去瓜摊收购西瓜时既希望把好瓜都收走又保证收到的瓜中坏瓜尽可能的少，请问他应该考虑什么评价指标？A精度B查全率C查准率DF1度量第5题单选题(1分)两种算法在某种度量下取得评估结果后不能直接比较以评判优劣的原因中，正确的是A测试性能不等于泛化性能B测试性能随着测试集的变化而变化C很多机器学习算法本身有一定的随机性D以上均正确第6题填空题(1分)训练模型时，选择经验误差最小的模型会存在什么风险。____（过拟合/欠拟合）正确答案：:["过拟合"]第7题填空题(1分)对于从数据(0,1),(1,0),(1,2),(2,1)通过最小二乘拟合的不带偏置项的线性模型y=x，其训练误差（均方误差）为____（保留三位小数）正确答案：:["1.000"]第8题填空题(1分)使用留出法对数据集进行划分时，为了保持数据分布的一致性，可以考虑什么采样。____（分层采样/随机采样/有放回采样）正确答案：:["分层采样"]第9题填空题(1分)当我们使用留出法对数据集进行划分后，在训练集上通过两个不同的算法训练出2个模型，并通过测试集上的性能评估得到表现最好的模型，这一模型可以直接推荐给用户。____（是/否）正确答案：:["否"]第10题填空题(1分)考虑一个三分类数据集，其由30个西瓜，30个苹果，30个香蕉构成。先有一个学习策略为预测新样本为训练集中样本数目最多类别的分类器（存在多个类别样本数量一样多时则随机选择一个类别预测），请问通过什么评估方式会导致其平均准确率为0。____（留出法/交叉验证，每一折样本数大于1/留一法）正确答案：:["留一法"]第11题填空题(1分)当我们使用留一法进行评估时会出现什么问题。____（训练模型与使用整个数据集训练的模型差异大/经验误差与泛化误差偏差大）正确答案：:["经验误差与泛化误差偏差大"]第12题填空题(1分)考虑如下分类结果混淆矩阵，其F1度量为____（保留3位小数）正确答案：:["0.364"]第13题填空题(1分)McNemar检验基于____（成对t检验/卡方检验）正确答案：:["卡方检验"]第14题单选题(1分)假设我们已经建立好了一个二分类模型,输出是0或1,初始阈值设置为0.5,超过0.5概率估计就判别为1,否则就判别为0;如果我们现在用另一个大于0.5的阈值,一般来说，下列说法正确的是A查准率会上升或不变，查全率会下降或不变B查准率会下降或不变，查全率会下降或不变C查准率会上升或不变，查全率会上升或不变D查准率会下降或不变，查全率会上升或不变第15题单选题(1分)对于留出法，下列说法正确的是A测试集小的时候，评估结果的方差较大B训练集小的时候，评估结果的偏差较大C留出法需要对数据集进行多次切分并将结果取平均值D以上说法均正确线性回归-作业第1题单选题(1分)以下哪个不是线性模型的优势？A简单B复杂C基本D可理解性好第2题单选题(1分)示例的属性可以属于下列哪个类别？A无序的离散属性B连续属性C有序的离散属性D以上都对第3题填空题(1分)一卖伞商家想利用天气来预测销售额，已知他只考虑温度、湿度、降雨量三种天气特征。若商家使用线性回归模型预测，则模型的输入是____(填写阿拉伯数字)维度的。正确答案：:["3"]最小二乘解-作业第1题单选题(1分)最小二乘参数估计得到的线性回归模型满足什么性质？A均方误差为0B均方误差最大C均方误差最小D均方误差为1第2题单选题(1分)最小二乘法的求解步骤是什么？

(1)均方误差对w与b求偏导；(2)令偏导为0；(3)求解线性方程组。A(1)(2)(3)B(1)(3)(2)C(2)(1)(3)D(3)(1)(2)第3题填空题(1分)基于均方误差最小化来进行模型求解的方法称为____(5个字)。正确答案：:["最小二乘法"]多元线性回归-作业第1题单选题(1分)为了书写的简化，多元线性回归会使用下列哪种记号？A将

与

合并为一个向量，在

的最后增加一列1B将

与1合并为一个向量，在

的最后增加一列

C将

与1合并为一个向量，在

的最后增加一列D将

与

合并为一个向量，在

的最后增加一列第2题单选题(1分)当下列哪个条件满足时，多元线性回归的最小二乘解唯一？A

不满秩B

满秩C

满秩D不满秩第3题填空题(1分)当‍

不满秩时，多元线性回归需要引入____(regularization)。正确答案：:["正则化"]广义线性模型-作业第1题单选题(1分)

被称为什么模型？A线性指数回归B线性对数回归C指数线性回归D对数线性回归第2题单选题(1分)对数线性回归是令广义线性模型中的联系函数为什么函数的特例？A指数函数B对数函数C二次函数D绝对值函数第3题填空题(1分)广义线性模型的一般形式为

，其中

被称为____(linkfunction)。正确答案：:["联系函数"]对率回归-作业第1题单选题(1分)单位阶跃函数的缺点是什么？A不连续且不可微B单调增C非负D最大值为1第2题单选题(1分)对数几率函数作为单位阶跃函数的替代函数的优点是什么？A具有中心对称性B严格大于0C单调且任意阶可导D不需要写成分段形式第3题填空题(1分)

反映了

作为正例的相对可能性，这个量在统计学中被称为____。正确答案：:["几率"]对率回归求解-作业第1题单选题(1分)对数几率回归为什么不能通过令偏导为0求解？A均方损失函数太复杂B均方损失非凸C均方损失没有偏导为0的点D均方损失没有极值点第2题单选题(1分)下列关于梯度下降法描述错误的是？A可以用于求解对数几率回归B是一种迭代求解的方法C可以比较好的并行化D可以高效地求解所有凸优化问题第3题填空题(1分)极大似然法最大化____函数。正确答案：:["似然"]类别不平衡-作业第1题单选题(1分)类别不平衡问题中何时需要做特殊处理？A大类比小类重要B小类和大类一样重要C小类比大类重要D任何情况第2题单选题(1分)以下哪种方法不是常见的类别不平衡学习方法？A最小二乘法B过采样C欠采样D阈值移动第3题填空题(1分)处理类别不平衡问题时，通过丢掉一部分大类样本使得训练集平衡的方法被称为____(3个字)。正确答案：:["欠采样"]线性模型-章节测试第1题单选题(1分)下列关于对数几率回归的描述中错误的是？A无需事先假设数据分布B使用对数函数作为联系函数C可得到类别的近似概率预测D可直接应用现有数值优化算法求取最优解第2题单选题(1分)孙悟空想请你帮他预测下一次妖精会在多久后出现，你会使用下列哪种方法？A使用历史上妖精出现的时间以及八戒每日食量数据，并使用对率回归模型B使用历史上妖精出现的时间以及师父念紧箍咒的时间数据，并使用指数线性回归模型C使用历史上妖精出现的时间以及师徒四人的前进速度数据，并使用多元线性回归模型D使用历史上妖精出现的时间以及沙和尚每日体重数据，并使用对数线性回归模型第3题单选题(1分)处理类别不平衡问题时，复制小类样本不是一种好的过采样方法，下列哪个不是其原因？A复制样本效率低下B容易过拟合C受噪声影响大D有过拟合噪声的风险第4题单选题(1分)Jerry想通过西瓜的重量、西瓜的颜色、西瓜根蒂的长短来判断一个西瓜是否是好瓜，Jerry记录了一些购买西瓜的记录如下：(5500g,乌黑,长,否),(6000g,青绿,很长,是),(5800g,翠绿,短,是)。如果Jerry想收集更多西瓜数据并利用线性模型判断西瓜好坏，下列哪个选项是上述三个记录的合理表示？A(5500,1,2),(6000,2,4),(5800,3,1)B(5.5,1,0,0,3),(6,0,0,1,5),(5.8,0,1,0,1)C(5500,1,0,0,5),(6000,0,1,0,3),(5800,0,0,1,1)D(5.5,1,0,0,3),(6,0,1,0,2),(5.8,0,0,1,1)第5题单选题(1分)小明想利用心率数据、运动与用餐时间间隔这两项数据来预测是否会发生低血糖，他利用平时锻炼数据收集了100个未发生低血糖的数据与3个发生低血糖的数据，3个发生低血糖的数据为：(180,比较久),(170,久),(165,非常久)。小明想请你帮他过采样一些低血糖数据，你认为下列哪个数据是合理的过采样数据？A(175,比较久)B(200,久)C(150,非常久)D(175,不久)第6题单选题(1分)下列哪个模型不是广义线性模型？ABCD第7题单选题(1分)下列哪个选项不是多元线性回归使用正则化的原因？A计算机数值精度有限B样例维度大于样例数C样例的采样过程存在偏差D存在大量线性相关的样例第8题单选题(1分)在求解对率回归时，下列哪个选项不是极大似然法的优势？A优化目标是凸函数B具有闭式解C可以使用梯度下降法求解D优化目标连续可微第9题填空题(1分)给定数据集，最小二乘法学得的线性模型的斜率为____(保留3位小数)。正确答案：:["0.500"]第10题填空题(1分)给定数据集，最小化数据集到线性模型的欧式距离的平方和学得的线性模型满足。对于数据集，这一方法学得的线性模型的斜率为____(保留3位小数)。正确答案：:["0.535"]第11题填空题(1分)比较上述两题求得的斜率值，最小二乘法求得的斜率____(大于/等于/小于)最小化数据集到线性模型欧式距离的平方和求得的斜率。这一结论对一般问题也成立，可尝试证明之。正确答案：:["小于"]第12题填空题(1分)OvR是一种常用的多分类方法，该方法每次将一个类的样例作为正例、所有其他类的样例作为反例。对于类别均衡的10分类问题，若使用OvR以及阈值移动法来训练，则阈值应设为____(保留3位小数)。正确答案：:["0.100"]第13题填空题(1分)对率回归可以得到样例是正类的概率的____(精确值/近似估计)。正确答案：:["近似估计"]第14题填空题(1分)对率回归____(需要/不需要)事先假设数据分布。正确答案：:["不需要"]第15题填空题(1分)多元线性回归不满秩的情况下____（是/否）可以通过加入归纳偏好来选取较好的解。正确答案：:["是"]决策树基本流程-作业第1题单选题(1分)下列选项哪个是决策树的预测过程？A将测试示例从一个中间节点开始，沿着划分属性所构成的“判定测试序列”下行，直到叶节点B将测试示例从一个中间节点开始，沿着划分属性所构成的“判定测试序列”上行，直到根节点C将测试示例从叶节点开始，沿着划分属性所构成的“判定测试序列”上行，直到根节点D将测试示例从根节点开始，沿着划分属性所构成的“判定测试序列”下行，直到叶节点第2题单选题(1分)决策树学习的策略是什么？A分而治之B集成C聚类D排序第3题填空题(1分)决策树训练时，若当前结点包含的样本全属于同一类别，则____（需要/无需）划分正确答案：:["无需"]信息增益划分-作业第1题单选题(1分)信息熵是度量样本集合[填空1]最常用的一种指标A纯度B对称差C大小D重要性第2题单选题(1分)以下哪个选项是信息增益的定义？A划分前的信息熵-划分后的信息熵B划分后的信息熵-划分前的信息熵C划分前的信息熵/划分后的信息熵D划分后的信息熵+划分前的信息熵第3题填空题(1分)在二分类任务中，若当前样本集合的正类和负类的数量刚好各一半，此时信息熵为____（保留一位小数）正确答案：:["1.0"]其他属性划分准则-作业第1题单选题(1分)下列说法错误的是（）ACART算法在候选属性集合中选取使划分后基尼指数最大的属性B划分选择的各种准择对泛化性能的影响有限C划分选择的各种准择对决策树尺寸有较大影响D相比划分准则，剪枝方法和程度对决策树泛化性能的影响更为显著第2题单选题(1分)增益率的表达式是Gain_ratio(D,a)=（）AGain(D,a)+IV(a)BGain(D,a)-IV(a)CGain(D,a)*IV(a)DGain(D,a)/IV(a)第3题填空题(1分)对视频中出现的西瓜数据集2.0（《机器学习》教材第76页），划分前的信息熵为0.998，若使用编号属性进行划分，则信息增益为____（保留3位小数）正确答案：:["0.998"]决策树的剪枝-作业第1题单选题(1分)剪枝是决策树学习算法对付什么现象的主要手段？A标记噪声B数据少C过拟合D欠拟合第2题单选题(1分)提前终止某些分支的生长，这个策略的名称是什么？A预剪枝B后剪枝C不剪枝D随机剪枝第3题填空题(1分)决策树剪枝的基本策略有“____”和“后剪枝”正确答案：:["预剪枝"]缺失值的处理-作业第1题单选题(1分)决策树算法一般是如何对缺失属性进行处理的？A仅使用无缺失的样例B对缺失值进行随机填充C用其他属性值预测缺失值D利用“样本赋权，权重划分”的思想解决第2题单选题(1分)决策树处理缺失值的基本思路是“样本赋权，权重划分”，其中“权重划分”指的是以下哪个选项？A给定划分属性，若样本在该属性上的值缺失，会按进入权重最大的一个分支B给定划分属性，若样本在该属性上的值缺失，会按权重随机进入一个分支C给定划分属性，若样本在该属性上的值缺失，会按权重同时进入所有分支D给定划分属性，若样本在该属性上的值缺失，会按进入权重最小的一个分支第3题填空题(1分)决策树处理有缺失值的样本时，仅通过____（有/无）缺失值的样例来判断划分属性的优劣正确答案：:["无"]决策树-章节测试第1题单选题(1分)决策树划分时，若当前结点包含的样本集合为空，则应该怎么做？A将结点标记为叶结点，其类别标记为父结点中样本最多的类B将结点标记为叶结点，其类别标记为父结点中样本最少的类C将结点标记为叶结点，其类别标记为父结点中任意一个类D从其他结点获得样本，继续进行划分第2题单选题(1分)决策树划分时，当遇到以下哪种情形时，将结点标记为叶节点，其类别标记为当前样本集中样本数最多的类A当前属性集为空，或所有样本在所有属性上取值相同B当前属性集不为空，或所有样本在所有属性上取值相同C当前结点包含的样本集合为空，或当前属性集为空D当前结点包含的样本集合为空，或所有样本在所有属性上取值相同第3题填空题(1分)ID3决策树划分时，选择信息增益最____（大/小）的属性作为划分属性正确答案：:["大"]第4题填空题(1分)若数据集的属性全为离散值，决策树学习时，____（可以/不可以）把用过的属性再作为划分属性。正确答案：:["不可以"]第5题单选题(1分)下列说法错误的是（）A信息增益准则对可取值较少的属性有所偏好BC4.5算法并不是直接选择增益率最大的候选划分属性C基尼指数反映了从数据集中随机抽取两个样本，其类别标记不一致的概率D基尼指数越小，数据集的纯度越高第6题填空题(1分)对视频中出现的西瓜数据集2.0（《机器学习》教材第76页），属性“触感”和“色泽”，____（触感/色泽）的增益率更大正确答案：:["色泽"]第7题填空题(1分)对视频中出现的西瓜数据集2.0（《机器学习》教材第76页），属性“色泽”的基尼指数为____（保留2位有效数字）正确答案：:["0.43"]第8题单选题(1分)随着决策树学习时的深度增加，会发生什么现象？A位于叶结点的样本越来越少B不会把数据中不该学到的特性学出来C决策树不会过拟合D叶结点一定学到一般规律第9题填空题(1分)只学习一颗决策树作为模型时，一般____（要/不要）选择剪枝正确答案：:["要"]第10题填空题(1分)（本题需阅读教材79-83页中剪枝的例子）考虑如图的训练集和验证集，其中“性别”、“喜欢ML作业”是属性，“ML成绩高”是标记。假设已生成如图的决策树，用精度（accuracy）衡量决策树的优劣，预剪枝的结果____（是/不是）原本的决策树。正确答案：:["不是"]第11题填空题(1分)（本题需阅读教材79-83页中剪枝的例子）考虑如图的训练集和验证集，其中“性别”、“喜欢ML作业”是属性，“ML成绩高”是标记。假设已生成如图的决策树，用精度（accuracy）衡量决策树的优劣，后剪枝的结果____（是/不是）原本的决策树。正确答案：:["是"]第12题单选题(1分)下列说法正确的是（）A决策树处理缺失值时，仅通过无缺失值的样例来判断划分属性的优劣B若数据中存在缺失值，决策树会仅使用无缺失的样例C若数据维度很高，不容易出现大量缺失值D对决策树，给定划分属性，若样本在该属性上的值缺失，会随机进入一个分支第13题填空题(1分)决策树处理有缺失值样本时，一个样本在各子节点中的权重和为____（保留一位小数）正确答案：:["1.0"]第14题单选题(1分)关于剪枝，下列说法错误的是（）A对于同一棵树，进行预剪枝和后剪枝得到的决策树是一样的B决策树的剪枝算法可以分为两类，分别称为预剪枝和后剪枝C预剪枝在树的训练过程中通过停止分裂对树的规模进行限制D后剪枝先构造出一棵完整的树，然后通过某种规则消除掉部分节点，用叶子节点替代第15题单选题(1分)通常来说，子节点的基尼不纯度与其父节点是什么样的关系？A通常更低B通常更高C永远更高D永远更低支持向量机基本型-作业第1题单选题(1分)对于线性可分的二分类任务样本集，将训练样本分开的超平面有很多，支持向量机试图寻找满足什么条件的超平面？A在正负类样本“正中间”的B靠近正类样本的C靠近负类样本的D以上说法都不对第2题单选题(1分)下面关于支持向量机的说法错误的是？A支持向量机基本型是一个凸二次规划问题B将训练样本分开的超平面仅由支持向量决定C支持向量机的核心思想是最大化间隔D以上选项存在说法错误的第3题填空题(1分)两个异类支持向量到超平面的距离之和称之为____（两个字）正确答案：:["间隔"]对偶问题与解的特性-作业第1题单选题(1分)下面哪一项不是支持向量机基本型得到对偶问题的求解步骤A引入拉格朗日乘子得到拉格朗日函数B对拉格朗日函数求偏导并令其为0C回带变量关系D梯度下降第2题单选题(1分)下面关于支持向量机对偶问题的说法错误的是A对偶问题需要满足KKT条件B通过对偶问题推导出的模型表达式能够体现解的稀疏性C在推导对偶问题时，引入的拉格朗日乘子没有约束条件D对偶问题的最优值是原始问题最优值的下界第3题填空题(1分)通过____可以得到支持向量机的对偶问题。（7个字，优化算法）正确答案：:["拉格朗日乘子法"]求解方法-作业第1题单选题(1分)下面关于SMO算法说法正确的是A是一个迭代更新的算法B先选取KKT条件违背程度最大的变量C当变量固定后，原始问题具有闭式解D以上说法都是正确的第2题单选题(1分)在求解支持向量机截距项的时候错误的说法是A通过任意支持向量都能够求解出截距项B为了提高鲁棒性，通常使用所有支持向量求解的平均值C通过任意样本都能够求解出截距项D截距项的求解能够体现支持向量机学习到的超平面仅与少量支持向量有关第3题填空题(1分)在使用SMO方法优化支持向量机的对偶问题时，每次需要选择几个变量并固定其他变量不变。____（只需填写数字）正确答案：:["2"]特征空间映射-作业第1题单选题(1分)如果不存在一个能正确划分两类样本的超平面，应该怎么办？A将样本从原始空间映射到一个更高维的特征空间，使样本在这个特征空间内线性可分B将样本从原始空间映射到一个更高维的特征空间，使样本在这个特征空间内线性不可分C将样本从原始空间映射到一个更低维的特征空间，使样本在这个特征空间内线性可分D将样本从原始空间映射到一个更低维的特征空间，使样本在这个特征空间内线性不可分第2题单选题(1分)将样本映射到高维空间后，支持向量机问题的表达式为ABCD第3题填空题(1分)如果原始空间是有限维（属性数有限），那么____（一定/不一定）存在一个高维特征空间使样本线性可分。正确答案：:["一定"]核函数-作业第1题单选题(1分)关于核函数的说法，正确的是A能绕过显式考虑特征映射B能够缓解计算高维内积的困难C能够直接在原始的特征空间计算D以上说法都是正确的第2题单选题(1分)若一个对称函数对于任意数据所对应的核矩阵_，则它就能作为核函数来使用A正定B半正定C负定D半负定第3题填空题(1分)任何一个核函数，都隐式地定义了一个____（九个字）正确答案：:["再生核希尔伯特空间"]如何使用SVM-作业第1题单选题(1分)对于ϵ-不敏感损失函数，说法正确的是A当自变量的绝对值小于ϵ时，没有惩罚

B当自变量的绝对值小于ϵ时，惩罚是线性的C当自变量的绝对值大于ϵ时，没有惩罚D当自变量的绝对值大于ϵ时，惩罚是二次的第2题单选题(1分)下面关于支持向量回归，说法错误的是A间隔带两侧的松弛程度可有所不同B支持向量回归一般要求损失为0当且仅当模型的输出和实际值一样C支持向量回归也存在对偶问题D支持向量回归模型的解仍然具有稀疏性第3题填空题(1分)对于2-不敏感损失，当自变量取值为10时，损失为____（保留整数）正确答案：:["8"]支持向量机-章节测试第1题单选题(1分)下列关于支持向量机的用法正确的是？A当数据是线性可分时，可以考虑支持向量机的基本型B当数据是线性不可分时，可以考虑引入核函数的支持向量机C若使用引入核函数的支持向量机，可以通过模型选择等技术挑选较为合适的核函数D以上说法都是正确的第2题单选题(1分)下列哪一项是支持向量机基本型对偶问题的KKT条件？ABCD以上条件均不对第3题单选题(1分)下面关于支持向量机的优化错误的是？A可以通过常规的优化计算包求解B可以通过SMO进行高效的求解C在使用SMO时需要先推导出支持向量机的对偶问题DSMO需要迭代的进行求解，且每一步迭代的子问题不存在闭式解第4题单选题(1分)考虑两个正例样本(0,0),(1,1)和两个负例样本(1,0),(0,1)，这四个样本是线性不可分的，通过下列哪一个映射函数可以让这四个样本线性可分？A【注：为示性函数，当自变量为真时取值为1，否则取值为0】BCD以上映射函数都满足条件第5题单选题(1分)下面关于支持向量回归说法正确的是A当样本距离超平面的距离小于一定程度时，没有损失B解具有稀疏性C当样本距离超平面的距离大于一定程度时，有损失且损失随着距离线性增加D以上说法都是正确的第6题填空题(1分)支持向量机的“间隔”定义为两个异类支持向量到超平面的距离之和，支持向量机的核心思想是____（最大化/最小化）间隔。正确答案：:["最大化"]第7题填空题(1分)支持向量机对偶问题得到的目标函数最优值是原始问题目标函数最优值的____（上界/下界）正确答案：:["下界"]第8题填空题(1分)考虑正类样本(-1,0),(0,1),(-1,1)和负类样本(1,0),(0,-1),(1,-1)，若使用支持向量机算法，则其支持向量有____个。正确答案：:["4"]第9题填空题(1分)支持向量机的解具有什么性质？____（三个字）正确答案：:["稀疏性"]第10题填空题(1分)在求解支持向量机对偶问题时，引入的拉格朗日乘子____（有/没有）约束条件。正确答案：:["有"]第11题填空题(1分)对于两个样本点(0,0),(1,1)，若我们将其投影到与高斯核函数关联的RKHS中时，则两个样本投影后的点距离为____（保留三位小数）正确答案：:["1.315"]第12题填空题(1分)试判断定义在上的函数是否为核函数。____（是/否）正确答案：:["是"]第13题填空题(1分)试判断定义在上的函数是否为核函数。____（是/否）正确答案：:["否"]第14题单选题(1分)对于支持向量机定义的超平面，下列说法错误的是A通过支持向量机求解出的划分超平面是对训练样本局部扰动的“容忍”性最好的划分超平面B对于所有可能的划分超平面，通过支持向量机求解出的划分超平面所产生的分类结果是较鲁棒的，是对未见示例的泛化能力较强的C支持向量机的“间隔”为，表示向量的模D可以通过求解对偶问题的方法来求解支持向量机的最大间隔划分超平面第15题单选题(1分)关于支持向量机基本型中间隔、支持向量和超平面wx+b=0的说法，下列说法正确的是A对于线性可分的训练样本，存在唯一的超平面将训练样本全部分类正确B对于线性可分的训练样本，支持向量机算法学习得到的能够将训练样本正确分类且具有“最大间隔”的超平面是存在并且唯一的C支持向量机训练完成后，最后的解与所有训练样本都有关D间隔只与w有关，与b无关神经网络模型-作业第1题单选题(1分)神经网络模型的两个最重要的要素是什么？A网络结构、激活函数B网络结构、神经元模型C激活函数、学习算法D学习算法、神经元模型第2题单选题(1分)以下哪个名称不是activationfunction的翻译？A响应函数B挤压函数C激活函数D损失函数第3题单选题(1分)目前神经网络最常用的网络结构是下列哪个选项？A单层后向网络B多层后向网络C单层前馈网络D多层前馈网络万有逼近能力-作业第1题单选题(1分)下列哪个选项是神经网络万有逼近的正确表述？A仅需一个包含足够多神经元的隐层，多层前馈神经网络就能以任意精度逼近任意复杂度的可测函数B仅需一个包含足够多神经元的隐层，多层前馈神经网络就能完美表示任意复杂度的连续函数C仅需一个包含足够多神经元的隐层，多层前馈神经网络就能以任意精度逼近任意复杂度的连续函数D仅需一个包含100000000个神经元的隐层，多层前馈神经网络就能以任意精度逼近任意复杂度的连续函数第2题单选题(1分)下列哪个模型不具备万有逼近性？A线性模型B泰勒展开C傅里叶变换D决策树第3题填空题(1分)多层前馈网络具有的强大表示能力称为神经网络的____性(4个字)。正确答案：:["万有逼近"]BP算法推导-作业第1题单选题(1分)下列关于BP算法的描述哪个是错误的？ABP算法适用于平方损失等许多常用损失函数BBP算法是迄今最成功、最常用的神经网络算法CBP算法的正式完整描述最早出现在1974年Werbos的博士学位论文中DBP算法只能用于回归任务第2题单选题(1分)BP算法的每一轮采用的是什么学习规则？A广义感知机学习规则B广义最小二乘学习规则C广义决策树学习规则D广义支持向量机学习规则第3题填空题(1分)BP算法的全称为____(7个字)。正确答案：:["误差逆传播算法"]神经网络-章节测试第1题单选题(1分)下列关于BP算法使用小步长优化神经网络的说法中正确的是哪个？A一定能学到最优解B可以较好的避免振荡现象C训练速度快D学得的解比使用大步长具有更小的泛化误差第2题单选题(1分)下列关于多层前馈神经网络的描述中错误的是哪个？A可以使用BP算法优化B至少包含一个隐层C神经元之间不存在同层连接D输入层可以直接连接到输出层第3题单选题(1分)多层前馈神经网络可以视为线性函数与激活函数的复合，而单隐层前馈神经网络中这种复合的次数有限，因而单隐层前馈神经网络的万有逼近性对激活函数有一定要求。你认为使用下列哪个激活函数的单隐层前馈神经网络能具有万有逼近性质？A双曲正切函数B常值函数C线性函数D三次函数第4题单选题(1分)下列哪个选项的步长调整方法是给出的四种方案中最好的？A先使用较大的步长，后使用较小的步长B先使用较小的步长，后使用较大的步长C一直使用较大的步长D一直使用较小的步长第5题单选题(1分)下列关于万有逼近描述正确的是哪个选项？A万有逼近是神经网络独有的性质B神经网络的万有逼近性表明可以很容易的找到一个很好的解C具有万有逼近性是将神经网络作为机器学习模型的前提D神经网络的万有逼近性可以指导我们设置隐层神经元数第6题填空题(1分)Sigmoid函数在x=0.5处的导数值为____(保留3位小数)。正确答案：:["0.235"]第7题填空题(1分)具有10个隐层结点的单隐层网络在处理输入维度为6维的三分类任务时(有3个输出层结点)，网络中共有____(填写一个整数)个参数。正确答案：:["103"]第8题填空题(1分)实际应用中常使用试错法来设置隐层神经元数，当问题较复杂时，通常使用较____(多/少)隐层神经元。正确答案：:["多"]第9题填空题(1分)考虑一个有1个输入结点、1个隐层结点、1个输出结点构成的神经网络，该网络输入到隐层的权重与隐层到输出的权重共享，即该神经网络的前馈表达式为，其中为Sigmoid激活函数。考虑由两个样本组成的数据集，神经网络初始化参数为，使用平方损失作为损失函数(总损失为所有样本的平方和损失，不除以2)。则该神经网络在初始化下的损失为____(保留3位小数)。正确答案：:["0.079"]第10题填空题(1分)上述损失关于ω的偏导在初始点处的取值为____(保留3位小数)。正确答案：:["-0.026"]第11题填空题(1分)上述损失关于b的偏导在初始点处的取值为____(保留3位有效数字)。正确答案：:["-0.0785"]第12题填空题(1分)当步长取为0.5时，使用BP算法更新神经网络模型后，模型的损失为____(保留3位小数)。正确答案：:["0.075"]第13题填空题(1分)当步长取为20时，使用BP算法更新神经网络模型后，模型的损失为____(保留3位小数)。对比上述两种步长值，体会步长选取与振荡现象的关系。正确答案：:["0.112"]第14题单选题(1分)用学习率α=0.3进行15次梯度下降迭代，每次迭代后计算损失。如果发现损失值下降缓慢，并且在15次迭代后仍在下降。基于此，以下哪个结论最可信？Aα=0.3是学习率的有效选择B当前学习率设置偏小C当前学习率设置偏大D无法从当前现象对学习率进行判断第15题单选题(1分)下图是某一激活函数的图像，下列哪个选项可能是该激活函数的表达式？ABCD贝叶斯决策论-作业第1题单选题(1分)下列说法正确的是（）A贝叶斯决策论是概率框架下实施决策的基本理论B表示把样本x分到第i类面临的风险C如果概率都能拿到真实值，那么根据贝叶斯判定准则做出的决策是理论上最好的决策D以上都正确第2题单选题(1分)以下哪个选项是对贝叶斯最优分类器的描述？A对每个样本x选择能使后验概率最大的类别标记B对每个样本x选择能使后验概率最小的类别标记C对每个样本x选择能使条件风险最大的类别标记D对每个样本x选择能使条件风险最小的类别标记第3题填空题(1分)反映了分类器所能达到的最____（好/坏）性能正确答案：:["好"]生成式和判别式模型-作业第1题单选题(1分)决策树属于什么模型？A判别式B生成式C判别式和生成式D以上都不对第2题单选题(1分)先对联合概率分布建模P(x,c)，再由此获得P(c|x)，属于什么模型？A判别式B生成式C回归D以上都不是第3题填空题(1分)机器学习估计后验概率分为两种基本策略，____式模型和生成式模型正确答案：:["判别"]贝叶斯分类器与贝叶斯学习-作业第1题单选题(1分)贝叶斯主义认为，分布的参数是什么？A点B分布C点同时也是分布D以上都不对第2题单选题(1分)统计学习属于什么主义？A频率主义B贝叶斯主义C两者都是D两者都不是第3题填空题(1分)贝叶斯学习____（等于/不等于）贝叶斯分类器正确答案：:["不等于"]极大似然估计-作业第1题单选题(1分)极大似然中，若直接连乘，易造成什么现象？A下溢B上溢C内存不足D计算开销大第2题单选题(1分)对数似然中，一般对概率取对数，然后进行以下哪个的操作？A求差B求和C求积D以上都不是第3题填空题(1分)极大似然估计____（需要/不需要）假设某种概率分布形式正确答案：:["需要"]朴素贝叶斯分类器-作业第1题单选题(1分)贝叶斯公式中，估计后验概率P(c|x)的主要困难在于估计以下哪个选项？Ap(c)Bp(x|c)C以上两者都是D以上两者都不是第2题单选题(1分)朴素贝叶斯分类器中，对给定类别，模型对所有属性间的独立性有何种假设？A部分不独立B部分独立C相互不独立D相互独立第3题填空题(1分)对____（离散/连续）属性，计算条件概率可考虑概率密度函数正确答案：:["连续"]贝叶斯分类器-章节测试第1题填空题(1分)贝叶斯最优分类器____（达到了/没达到）了贝叶斯风险。正确答案：:["达到了"]第2题单选题(1分)在贝叶斯决策论中，下列说法错误的是（）A反映了机器学习所能产生的模型精度理论上限B贝叶斯最优分类器在每个样本上选择那个能使条件风险R(c|x)最小的类别标记C在实际中，贝叶斯决策论中的是容易事先知道的D贝叶斯最优分类器对应的总体风险称为贝叶斯风险第3题填空题(1分)从贝叶斯决策论的角度看，机器学习要实现的是基于有限的训练样本尽可能准确地估计出后验概率P(c|x)，这句话是____（正确/错误）正确答案：:["正确"]第4题单选题(1分)下列说法错误的是（）A生成式模型可以理解为在尝试还原数据原来的联合分布BSVM是判别式模型C判别式模型直接对后验概率建模D贝叶斯分类器是判别式模型第5题填空题(1分)贝叶斯主义一般做____（点/分布）估计正确答案：:["分布"]第6题单选题(1分)下列说法错误的是（）A贝叶斯学习≠贝叶斯分类器BSVM属于统计学习C用到了贝叶斯公式就是贝叶斯学习D贝叶斯分类器是生成式模型第7题单选题(1分)下列说法错误的是（）A极大似然估计做了独立同分布假设B极大似然估计的任务是利用训练集估计参数C极大似然估计需先假设某种概率分布形式D极大似然估计属于贝叶斯主义第8题填空题(1分)极大似然估计中，对数似然的解与原问题____（一致/不一致）正确答案：:["一致"]第9题单选题(1分)下列说法错误的是（）A计算P(x|c)主要障碍之一是组合爆炸B计算P(x|c)主要障碍之一是样本稀疏C朴素贝叶斯分类器中，计算离散属性的P(xi|c)需要考虑概率密度函数D朴素贝叶斯分类器中的概率密度函数，可以使用高斯分布第10题填空题(1分)考虑二分类问题，若数据集中有100个样本，其中负类样本有48个。令c表示正类，则P(c)的估计值是____（保留2位小数）正确答案：:["0.52"]第11题填空题(1分)考虑如图数据集，其中x1与x2为特征，其取值集合分别为x1={−1,0,1}，x2={B,M,S}，y为类别标记，其取值集合为y={0,1}。使用所给训练数据，学习一个朴素贝叶斯分类器，考虑样本x={0,B}，请计算P(y=0)P(x|y=0)的值____（保留2位有效数字）。正确答案：:["0.067"]第12题填空题(1分)考虑如图数据集，其中x1与x2为特征，其取值集合分别为x1={−1,0,1}，x2={B,M,S}，y为类别标记，其取值集合为y={0,1}。使用所给训练数据，学习一个朴素贝叶斯分类器，这个分类器会将样本x={0,B}的标记预测为____正确答案：:["0"]第13题填空题(1分)考虑如图数据集，其中x1与x2为特征，其取值集合分别为x1={−1,0,1}，x2={B,M,S}，y为类别标记，其取值集合为y={0,1}。实际中估计概率值时，常用“拉普拉斯修正”，相关内容请阅读《机器学习》教材第153-154页。使用所给训练数据，使用“拉普拉斯修正”，学习一个朴素贝叶斯分类器，考虑样本x={0,B}，请计算P(y=1)P(x|y=1)的值____（保留2位有效数字）。正确答案：:["0.041"]第14题单选题(1分)以下哪个选项是生成式模型？A贝叶斯网B对数几率回归C决策树D支持向量机第15题单选题(1分)最小化分类错误率的贝叶斯最优分类器为：对每个样本选择能使以下哪个选项最大的类别标记？A后验概率B类条件概率C先验D以上都不是集成学习-作业第1题单选题(1分)下列关于集成学习描述错误的是哪个？A集成学习只能使用若干个相同类型的学习器B集成学习使用多个学习器解决问题C集成学习在许多比赛中取得了优异的成绩D集成学习在英文中是一个外来词第2题单选题(1分)下列哪些学习器可以作为集成学习中的学习器？A支持向量机B决策树C神经网络D其他选项都可以第3题填空题(1分)由若干个相同类型的学习器构成的集成学习被称为____(同质/异质)集成学习。正确答案：:["同质"]好而不同-作业第1题单选题(1分)下列哪个关于集成学习的描述是正确的？A集成学习一定能取得比最好的个体学习器更好的性能B集成学习的性能可能与个体学习器的平均性能相同C集成学习的性能一定不差于最差的个体学习器D集成学习的性能在个体学习器平均性能与个体学习器最佳性能之间第2题单选题(1分)下列哪个选项不是集成学习在分类任务中取得好性能的要求？A个体学习器犯错的样本较为分散B个体学习器具有较好的性能C存在一个完美的个体学习器D个体学习器分对的样本不完全一致第3题填空题(1分)误差-分歧分解表明集成学习中____(3个字)是关键。正确答案：:["多样性"]两类常用集成学习方法-作业第1题单选题(1分)下列哪个算法不是序列化集成学习方法？AXGBoostBRandomForestCAdaBoostDLPBoost第2题单选题(1分)下列哪个算法不是并行化集成学习方法？AGradientBoostBBaggingCRandomForestDRandomSubspace第3题填空题(1分)集成学习中，后一个个体依赖于前一个个体的方法称为____(3个字)方法。正确答案：:["序列化"]Boosting-作业第1题单选题(1分)下列关于Boosting算法的说法中错误的是哪个？ABoosting算法适用于分类、回归、排序等机器学习问题B后一个基学习器更关注前一个基学习器学错的样本CBoosting算法的输出是所有基学习器的加权求和D不同基学习器使用的样本权重是相同的第2题单选题(1分)下列关于Boosting算法中样本权重调整的说法中错误的是哪个？A所有样本的权重和保持不变B前一个基学习器分错的样本会获得更大的权重C只要权重调整的方向正确，Boosting算法的性能就可以获得理论保证D决策树可以直接处理带权重的样本第3题填空题(1分)Boosting是一种____(同质/异质)集成学习方法。正确答案：:["同质"]Bagging-作业第1题单选题(1分)下列关于Bagging算法中采样的描述哪个是错误的？A可以使用Bootstrap采样B每个样本在