【答案】《机器学习与人工智能》(国家高等教育智慧教育平台)章节作业中国大学慕课答案

第一讲机器学习简介第一讲测验1.多选题：机器学习可以用于哪些情形？

选项：

A、人类无法解释的专业知识

B、模型需要基于大量数据

C、当人类专业知识不存在

D、模型必须定制

答案：【人类无法解释的专业知识;模型需要基于大量数据;当人类专业知识不存在;模型必须定制】2.多选题：以下哪些属于监督学习？

选项：

A、朴素贝叶斯

B、支持向量机

C、聚类

D、决策树

答案：【朴素贝叶斯;支持向量机;决策树】3.多选题：机器学习的类型有？

选项：

A、半监督学习

B、有监督学习

C、无监督学习

D、强化学习

答案：【半监督学习;有监督学习;无监督学习;强化学习】4.单选题：有监督学习是分类同时定性的，而无监督学习是先聚类后定性的。

选项：

A、正确

B、错误

答案：【正确】5.单选题：半监督学习没标签数据的数量常常远大于有标签数据的数量。

选项：

A、正确

B、错误

答案：【正确】第二讲机器学习的评估方法第二讲测验1.多选题：不平衡问题的领域有？

选项：

A、医学诊断

B、预测罕见事件

C、检测欺诈

D、预测故障/失效

答案：【医学诊断;预测罕见事件;检测欺诈;预测故障/失效】2.单选题：识别任务中，召回率是被预测为“正面”的测试数据中结果是正确的比例。

选项：

A、正确

B、错误

答案：【错误】第三讲回归分析第三讲测验1.单选题：在线性回归方程y=a+bx中，回归系数b表示

选项：

A、当x=0时，y的平均值

B、x变动一个单位时，y的实际变动量

C、y变动一个单位时，x的平均变动量

D、x变动一个单位时，y的平均变动量

答案：【x变动一个单位时，y的平均变动量】2.单选题：若每一吨铸铁成本y（元）与铸件废品率x%建立的回归方程y=56+8x，下列说法正确的是

选项：

A、废品率每增加1%，成本每吨增加64元

B、废品率每增加1%，成本每吨增加8%

C、废品率每增加1%，成本每吨增加8元

D、废品率每增加1%，成本每吨增加56元

答案：【废品率每增加1%，成本每吨增加8元】3.单选题：若根据x与y之间的一组数据求得两个变量之间的线性回归方程为y=a+bx，已知：数据x的平均值为2，数据y的平均值为3，则

选项：

A、回归直线必过点（2，3）

B、回归直线不一定过点（2，3）

C、点（2，3）在回归直线上方

D、点（2，3）在回归直线下方

答案：【回归直线必过点（2，3）】4.单选题：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，则由该观测数据算得的线性回归方程可能是

选项：

A、y=0.4x+2.3

B、y=2x-2.4

C、y=-2x+9.5

D、y=-0.3x+4.4

答案：【y=0.4x+2.3】5.单选题：在两个变量的回归分析中，作散点图是为了

选项：

A、直接求出回归直线方程

B、直接求出回归方程

C、根据经验选定回归方程的类型

D、估计回归方程的参数

答案：【根据经验选定回归方程的类型】6.单选题：下列两个变量之间的关系，哪个是函数关系

选项：

A、学生的性别与数学成绩

B、人的工作环境与健康状况

C、正方形的边长与面积

D、儿子的身高与父亲的身高

答案：【正方形的边长与面积】7.多选题：下列结论正确的是

选项：

A、函数关系是一种确定性关系

B、相关关系是一种非确定性关系

C、回归分析是对具有函数关系的两个变量进行统计分析的一种方法

D、回归分析是对具有相关关系的两个变量进行统计分析的一种方法

答案：【函数关系是一种确定性关系;相关关系是一种非确定性关系;回归分析是对具有相关关系的两个变量进行统计分析的一种方法】8.多选题：广义加性模型由什么特点

选项：

A、可以自动对自变量和因变量进行非线性关系的建模

B、非线性拟合可能会提高对因变量的预测精度

C、在保持其他自变量不变的情形下可以分析每个自变量对因变量的单独效应

D、非线性拟合可能会降低对因变量的预测精度

答案：【可以自动对自变量和因变量进行非线性关系的建模;非线性拟合可能会提高对因变量的预测精度;在保持其他自变量不变的情形下可以分析每个自变量对因变量的单独效应】9.多选题：广义加性模型的拟合方法有

选项：

A、自然样条

B、光滑样条

C、多项式回归

D、局部回归

答案：【自然样条;光滑样条;多项式回归;局部回归】10.多选题：下列说法正确的是

选项：

A、当变量之间的相关关系不是线性关系时，也能描述变量之间的相关关系

B、当变量之间的相关关系不是线性关系时，也能直接用线性回归方程描述它们的相关关系

C、把非线性回归化为线性回归为我们解决问题提供了一种方法

D、当变量之间的相关关系不是线性关系时，可以通过适当的变换使其转换为线性关系

答案：【当变量之间的相关关系不是线性关系时，也能描述变量之间的相关关系;把非线性回归化为线性回归为我们解决问题提供了一种方法;当变量之间的相关关系不是线性关系时，可以通过适当的变换使其转换为线性关系】11.多选题：为了考察两个变量x和y的线性相关性，甲、乙两个同学各自独立地做10次和15次实验，并且利用线性回归方法，求得回归直线分别为L1和L2。已知在两个人的实验中发现对变量x的观测数据的平均值恰好相等，都为s，对变量y的观测数据的平均值也恰好相等，都为t，那么下列说法错误的是

选项：

A、直线L1和L2有交点（s,t）

B、直线L1和L2相交，但交点未必是点（s,t）

C、直线L1和L2由于斜率相等，所以必定平行

D、直线L1和L2必定重合

答案：【直线L1和L2相交，但交点未必是点（s,t）;直线L1和L2由于斜率相等，所以必定平行;直线L1和L2必定重合】12.单选题：回归分析的研究对象是具有相关关系的变量。

选项：

A、正确

B、错误

答案：【正确】13.单选题：“回归函数在边界区域是线性的”这个附加约束使自然样条在边界处产生更稳定的估计

选项：

A、正确

B、错误

答案：【正确】14.单选题：在N-W方法中，核函数的带宽h越小，估计的回归函数曲线越光滑，h越大，估计的回归函数曲线波动越大。

选项：

A、正确

B、错误

答案：【错误】15.单选题：广义加性模型在保持其他自变量不变的情形下可以分析每个自变量对因变量的单独效应。

选项：

A、正确

B、错误

答案：【正确】16.单选题：回归函数刻画了平均意义下因变量与自变量的相依关系。

选项：

A、正确

B、错误

答案：【正确】17.单选题：线性假设是指自变量xj的变化对因变量y的影响与其他自变量的的取值无关。

选项：

A、正确

B、错误

答案：【错误】18.分段多项式回归的回归系数发生的临界点称为

答案：【结点】19.自然样条是添加了的样条回归：回归函数在边界区域是线性的。

答案：【边界约束】20.做样条回归时，如果结点个数过，样条的回归曲线将非常曲折；反之，将过于平坦。

答案：【多】21.在光滑样条回归的目标函数中，的作用是使得回归函数尽可能拟合训练数据

答案：【损失函数】22.回归分析的首要问题是

答案：【估计回归系数】第四讲回归方法第四讲测验1.单选题：随机森林中分类树的多样性来自于？

选项：

A、样本扰动，但没有自变量扰动

B、自变量扰动，但没有样本扰动

C、样本扰动和自变量扰动

D、既没有样本扰动也没有自变量扰动

答案：【样本扰动和自变量扰动】2.单选题：分类树和回归树分别被用于预测什么类型的变量？

选项：

A、定性变量，定性变量

B、定性变量，定量变量

C、定量变量，定量变量

D、定量变量，定性变量

答案：【定性变量，定量变量】3.单选题：k最近邻法中，随着参数k的变大，最近邻分类器的偏差和方差将如何变化？

选项：

A、偏差增大，方差增大

B、偏差增大，方差减小

C、偏差减小，方差增大

D、偏差减小，方差减小

答案：【偏差增大，方差减小】4.多选题：目前集成树的产生方法大致可以分为两类。以下哪些算法属于个体分类树之间不存在强依赖、可同时生成的并行化方法这一类？

选项：

A、Bagging

B、Boosting

C、随机森林

D、AdaBoost

答案：【Bagging;随机森林】5.多选题：k最近邻法的基本要素有？

选项：

A、k的选择

B、观测类别

C、决策规则

D、距离度量

答案：【k的选择;决策规则;距离度量】6.多选题：在分类树中，哪些指标可以作为二叉分裂的准则。

选项：

A、RSS

B、分类错误率

C、基尼指数

D、互熵

答案：【分类错误率;基尼指数;互熵】7.单选题：在分类树中，节点的纯度越高，则互熵的值越大。

选项：

A、正确

B、错误

答案：【错误】8.单选题：从偏差-方差权衡的角度看，AdaBoost主要关注降低偏差，因此AdaBoost能基于泛化性能相当弱的分类器构建出很强的集成分类器。

选项：

A、正确

B、错误

答案：【正确】9.单选题：LDA和QDA都假设每一类观测服从正态分布，但是LDA假设每一类观测都有自己的方差（或者协方差矩阵）。

选项：

A、正确

B、错误

答案：【错误】10.单选题：在构建回归树的过程中，一般采用递归二叉分裂的方法来划分自变量空间。这种方法的贪婪性体现在构建树的每一过程中，“最优”分裂仅限于某一局部过程，而不是针对全局过程。

选项：

A、正确

B、错误

答案：【正确】11.单选题：贝叶斯分类器将待判别的样本分类到使得样本的后验概率达到最大的那个类中。

选项：

A、正确

B、错误

答案：【正确】12.单选题：k最近邻法具有显式的学习过程。

选项：

A、正确

B、错误

答案：【错误】13.一般，我们采用什么方法来估计逻辑斯蒂模型中的参数？

答案：【极大似然】14.决策树是采用什么策略处理问题的一种方法？

答案：【分而治之】15.什么就是通过构建并整合多棵分类树来完成分类任务？

答案：【集成学习】16.在构建回归树的过程中，我们一般采用什么方法将自变量空间划分为J个矩形区域？

答案：【递归二叉分裂】第五讲支持向量机第五讲测验1.单选题：怎样理解非完美分类的超平面分类器？

选项：

A、允许小部分训练观测被误分。

B、允许大部分训练观测被误分。

C、两种说法都对。

D、两种说法都不对。

答案：【允许小部分训练观测被误分。】2.单选题：SVM算法的性能取决于？

选项：

A、核函数的选择

B、核函数的参数

C、软间隔参数C

D、以上都是

答案：【以上都是】3.单选题：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？

选项：

A、大数据集

B、小数据集

C、中数据集

D、不受数据集大小的影响

答案：【大数据集】4.单选题：假定现在有一个四分类问题，你要用One-vs-all策略训练一个SVM的模型，你需要训练几个SVM模型？

选项：

A、1

B、2

C、3

D、4

答案：【4】5.多选题：常用的核函数有？

选项：

A、线性核

B、径向核

C、拉普拉斯核

D、Sigmoid核

答案：【线性核;径向核;拉普拉斯核;Sigmoid核】6.多选题：下面哪些是SVM在实际生活中的应用？

选项：

A、文本分类

B、图片分类

C、新闻聚类

D、手写字体识别

答案：【文本分类;图片分类;新闻聚类;手写字体识别】7.单选题：支持向量机可看作是一类简单、直观的最大间隔分类器的推广。

选项：

A、正确

B、错误

答案：【正确】8.单选题：支持向量分类器的判断规则只由训练观测的一部分（支持向量）确定。

选项：

A、正确

B、错误

答案：【正确】9.单选题：支持向量机通过使用核函数来扩大特征空间。

选项：

A、正确

B、错误

答案：【正确】10.单选题：支持向量是最靠近决策表面的数据点。

选项：

A、正确

B、错误

答案：【正确】第六讲决策树第六讲测验1.单选题：在构建决策树时，以下属于处理有多个值的特征的方法的是

选项：

A、处理成多个二值划分

B、处理成多个划分

C、以上都是

D、以上都不是

答案：【以上都是】2.单选题：在决策树学习过程中，哪些情况可能会导致问题数据（特征相同但是标签不同）？

选项：

A、数据错误

B、数据有噪音

C、现有的特征不足以区分或决策

D、以上都是

答案：【以上都是】3.单选题：在构建决策树时，需要计算每个用来划分数据特征的得分，选择分数最高的特征，以下可以作为得分的是？

选项：

A、熵

B、基尼系数

C、训练误差

D、以上都是

答案：【以上都是】4.多选题：在构建决策树时，以下属于处理实值特征的方法的是

选项：

A、用比较测试将数据划分为两个部分

B、处理成多个二值划分

C、选择范围过滤

D、以上都不是

答案：【用比较测试将数据划分为两个部分;选择范围过滤】5.多选题：在下列哪些情况下可以为标签创建叶节点。

选项：

A、达到一个足够小的训练误差

B、剩下一定数量/比例的数据

C、所有数据属于同一个类

D、所有数据具有相同的特征值

答案：【达到一个足够小的训练误差;剩下一定数量/比例的数据;所有数据属于同一个类;所有数据具有相同的特征值】6.单选题：决策树的修剪可以采用正则化的方法。

选项：

A、正确

B、错误

答案：【正确】7.单选题：决策树的节点有两种类型：内部节点和叶节点。内部节点表示一个特征或属性，叶节点表示一个类。

选项：

A、正确

B、错误

答案：【正确】8.单选题：过拟合发生在模型太过偏向训练数据时。

选项：

A、正确

B、错误

答案：【正确】9.单选题：树的内部结点用特征作标签，树枝用是否符合特征来标签。

选项：

A、正确

B、错误

答案：【正确】10.单选题：过拟合发生在模型太过偏向训练数据时，对于决策树可以采用修剪的方法阻止过拟合。

选项：

A、正确

B、错误

答案：【正确】11.单选题：对于实值特征，可以用比较测试将数据划分为两部分，或者选择范围过滤。

选项：

A、正确

B、错误

答案：【正确】12.在决策树学习中将已生成的树进行简化的过程称为。

答案：【剪枝/修剪】13.我们要用概率模型对数据和标签进行学习，需要数据/标签对服从某种概率分布，称为。

答案：【数据生成分布】第七讲合奏学习第七讲测验1.单选题：Boosting算法中的加权体现在？

选项：

A、训练阶段数据的加权和分类阶段每个弱分类器的加权

B、训练阶段数据的加权，没有分类阶段每个弱分类器的加权

C、分类阶段每个弱分类器的加权，没有训练阶段数据的加权

D、既没有训练阶段数据的加权，也没有分类阶段每个弱分类器的加权

答案：【训练阶段数据的加权和分类阶段每个弱分类器的加权】2.单选题：AdaBoost算法对于每个弱分类器都需要进行以下三步操作：1、计算加权误差2、改变每个例子的权重3、计算分类器的得分请选择正确的排序？

选项：

A、1、2、3

B、1、3、2

C、2、1、3

D、3、1、2

答案：【1、3、2】3.单选题：以下哪些算法是Boosting的变种？

选项：

A、AdaBoost

B、LogitBoost

C、BrownBoost

D、以上三种都是

答案：【以上三种都是】4.多选题：以下属于分割训练数据方法的特点有？

选项：

A、容易实现、快速

B、每个分类器只在小量数据上训练

C、分类器不独立，它们可能犯同样的错误

D、从不同的数据学习，不会产生过拟合

答案：【容易实现、快速;每个分类器只在小量数据上训练;从不同的数据学习，不会产生过拟合】5.多选题：在合奏学习中，我们可以由以下哪些方法获得独立的分类器？

选项：

A、分割训练数据

B、装袋

C、提升算法（Boosting）

D、用不同的学习方法（如决策树、k-近邻、朴素贝叶斯等）

答案：【分割训练数据;装袋;提升算法（Boosting）;用不同的学习方法（如决策树、k-近邻、朴素贝叶斯等）】6.多选题：以下选项属于装袋的特点有？

选项：

A、倾向于减少分类器的方差

B、通过投票，分类器对于有噪音的数据更加稳健

C、对于训练集中的微小变化产生了非常不同的模型的情况有用

D、对于容易过度拟合的分类器有用

答案：【倾向于减少分类器的方差;通过投票，分类器对于有噪音的数据更加稳健;对于训练集中的微小变化产生了非常不同的模型的情况有用;对于容易过度拟合的分类器有用】7.单选题：装袋是指通过取样从原始训练数据集中创建m个“新”训练数据集（m"bootstrap"样本），在每个数据集上训练分类器分类，从m个分类器中获得多数投票。

选项：

A、正确

B、错误

答案：【正确】8.单选题：一个强分类器是以概率1-p产生一个误差率小于0.5的分类器。

选项：

A、正确

B、错误

答案：【错误】9.单选题：Boosting算法对正确分类的数据增加权重，对错误分类的数据减小权重。

选项：

A、正确

B、错误

答案：【错误】10.单选题：AdaBoost算法更新数据权重只根据当前分类器更新权重（不改变以前分类器的权重）。

选项：

A、正确

B、错误

答案：【正确】11.单选题：一般情况下，Boosting算法即使经过大量迭代，也不会过度拟合。

选项：

A、正确

B、错误

答案：【正确】12.一级树可以称为什么？

答案：【决策树桩】13.在AdaBoost算法中，如果一个分类器的误差权重为0.5，那么它的“得分”是？

答案：【0】14.假如有3个独立的分类器，每个分类器犯错误的概率相同为0.1，那么合奏学习错误的概率是多少？

答案：【0.028】15.装袋算法（Bagging）使用什么作为数据生成分布的代理？

答案：【训练数据】第八讲正则化方法第八讲测试1.单选题：基于模型的机器学习包括以下步骤：1、选择一个优化标准（即目标函数），2、建立一个学习算法，3、选择一个模型。则正确步骤为

选项：

A、213

B、312

C、321

D、123

答案：【312】2.单选题：随着模型复杂度逐渐增加，训练集的偏差平方和方差分别会如何变化？

选项：

A、增加，减少

B、减少，增加

C、增加，增加

D、减少，减少

答案：【减少，增加】3.多选题：增加训练数据会导致以下哪些结果？

选项：

A、减小方差

B、增大方差

C、向右移动最优复杂度

D、向左移动最优复杂度

答案：【减小方差;向右移动最优复杂度】4.单选题：通过梯度下降的原理，求损失函数的极小值来对模型进行优化是在训练集上进行的。

选项：

A、正确

B、错误

答案：【正确】5.单选题：与采用权重的和作为正则化项相比，采用权重的平方和作为正则化项会给予权重的较大值更多的惩罚。

选项：

A、正确

B、错误

答案：【正确】6.单选题：引入正则化项可以惩罚较大的权重。

选项：

A、正确

B、错误

答案：【正确】7.单选题：L1正则化往往会导致稀疏解决方案（大量零权重）。

选项：

A、正确

B、错误

答案：【正确】8.单选题：通过梯度下降法最小化训练集的损失函数得到的参数一般不会使测试集也最小。

选项：

A、正确

B、错误

答案：【正确】9.单选题：随着分类器复杂度逐渐增加，测试集上的误差/损失会呈现先下降后上升的趋势。

选项：

A、正确

B、错误

答案：【正确】10.单选题：正则化项时损失函数的附加标准，以确保不会过拟合。

选项：

A、正确

B、错误

答案：【正确】第九讲人工神经网络第九讲测试1.单选题：神经网络的学习步骤包括：1、求得权重等参数，2、定义代价函数，3、对测试数据进行预测，4、根据样本数据和标签采用梯度下降法进行学习，步骤的正确顺序为：

选项：

A、4213

B、2413

C、2143

D、4123

答案：【2413】2.单选题：非线性机器学习算法具有以下的什么特性？

选项：

A、针对难以用准则来描述的复杂模型

B、能够达到更深层次的抽象

C、能够进行广泛使用的分类算法

D、以上都是

答案：【以上都是】3.多选题：以下会造成梯度消失的激活函数有

选项：

A、sigmoid函数

B、tanh函数

C、ReLU函数

D、softplus函数

答案：【sigmoid函数;tanh函数】4.多选题：感知器可以解决一下哪些问题？

选项：

A、实现逻辑关系中的与

B、实现逻辑关系中的或

C、实现逻辑关系中的非

D、线性分类和线性回归问题

答案：【实现逻辑关系中的与;实现逻辑关系中的或;实现逻辑关系中的非;线性分类和线性回归问题】5.多选题：神经网络具有下面哪几个特点？

选项：

A、能充分逼近复杂的非线性关系

B、具有高度的容错能力

C、具有自组织能力

D、可以并行分布处理

答案：【能充分逼近复杂的非线性关系;具有高度的容错能力;具有自组织能力;可以并行分布处理】6.多选题：使用均方误差作为代价函数，有什么特点？

选项：

A、形式简单

B、通俗易懂

C、容易出现饱和现象

D、容易陷入局部最优解

答案：【形式简单;通俗易懂;容易出现饱和现象;容易陷入局部最优解】7.单选题：小批量梯度下降法和随机梯度下降算法收敛可能需要更多的迭代次数

选项：

A、正确

B、错误

答案：【正确】8.单选题：小批量梯度下降法在迭代的每一步中，参数的更新只用了小批量样本的信息

选项：

A、正确

B、错误

答案：【正确】9.单选题：神经网络中的神经元有两个状态：兴奋、抑制。这两个状态由阈值决定。

选项：

A、正确

B、错误

答案：【正确】10.单选题：前馈式神经网络层间有反馈。

选项：

A、正确

B、错误

答案：【错误】11.单选题：单层感知器能对线形可分的数据集进行分类，能解决逻辑问题异或。

选项：

A、正确

B、错误

答案：【错误】12.单选题：前馈神经网络中偏置单元可以有输入。

选项：

A、正确

B、错误

答案：【错误】13.单选题：在某种意思上，小批量梯度下降算法是以迭代次数换取算法的运行速度。

选项：

A、正确

B、错误

答案：【正确】14.在模型中，每个神经元同时将自身的输出作为输入信号反馈给其他神经元

答案：【反馈神经网络】第十讲深度学习第十讲测验1.单选题：卷积层具有以下哪些特点？

选项：

A、稀疏交互

B、参数共享

C、等变表示

D、以上三个都是

答案：【以上三个都是】2.多选题：以下能够避免过拟合的方法有？

选项：

A、数据增强，从数据源头获取更多数据

B、增加训练次数

C、增加网络的深度

D、正则化

答案：【数据增强，从数据源头获取更多数据;正则化】3.多选题：以下能够避免梯度消失和梯度爆炸的方法有？

选项：

A、梯度裁剪，给定梯度的上下阈值

B、批规范化

C、使用残差网络结构

D、采用带记忆的网络结构，如LSTM

答案：【梯度裁剪，给定梯度的上下阈值;批规范化;使用残差网络结构;采用带记忆的网络结构，如LSTM】4.多选题：以下哪些属于深层网络模型？

选项：

A、AlexNet

B、VGG

C、GoogleNet

D、ResNet

答案：【AlexNet;VGG;GoogleNet;ResNet】5.单选题：正则化方法是一种通过引入额外的新信息来解决机器学习中过拟合问题的方法。

选项：

A、正确

B、错误

答案：【正确】6.单选题：全连接的神经网络应用于图像处理时可能会导致一个严重的参数数量的膨胀的问题。

选项：

A、正确

B、错误

答案：【正确】7.单选题：池化层可以非常有效地缩小参数矩阵的尺寸，从而减少后面的卷积层或者全连接层中的参数数量。

选项：

A、正确

B、错误

答案：【正确】8.单选题：多伦多大学的GeoffreyHinton教授利用预训练的方式来缓解局部最优解的问题，提出了真正意义上的深度神经网络，从而掀起了第二次机器学习热潮——“深度学习”。

选项：

A、正确

B、错误

答案：【正确】9.卷积层的输出通常由3个量来控制，它们分别是深度、步幅和什么？

答案：【补零】10.我们将在深度网络学习的训练过程中，对于神经网络单元，按照一定的概率将其暂时从网络中丢弃的方法称作什么？

答案：【Dropout】11.深度神经网络和浅度神经网络模型具有相似的结构，由输入层、输出层和什么构成？

答案：【隐层】第十一讲聚类分析第十一讲测验1.单选题：以下哪些算法可以处理非高斯数据？

选项：

A、K-means算法

B、EM算法

C、谱聚类算法

D、以上三种算法都可以

答案：【谱聚类算法】2.单选题：以下哪些方法可以确定K-均值算法已经收敛？

选项：

A、划分不再改变

B、聚类中心不再改变

C、固定次数的迭代

D、以上三种均是

答案：【以上三种均是】3.多选题：在K-均值算法中，以下哪些方法可以用于随机种子的选择？

选项：

A、随机选择数据作为中心

B、空间中的随机位置作为中心

C、尝试多个初始起点

D、使用另一个聚类方法的结果进行初始化

答案：【随机选择数据作为中心;空间中的随机位置作为中心;尝试多个初始起点;使用另一个聚类方法的结果进行初始化】4.多选题：聚类可以应用于哪些方面？

选项：

A、基因表达数据的研究

B、面部聚类

C、搜索结果聚类

D、新闻搜索

答案：【基因表达数据的研究;面部聚类;搜索结果聚类;新闻搜索】5.多选题：EM算法可以应用于以下哪些方面？

选项：

A、学习贝叶斯网络的概率

B、EM-聚类

C、训练HMM

D、学习微信好友网络

答案：【学习贝叶斯网络的概率;EM-聚类;训练HMM;学习微信好友网络】6.多选题：以下哪些选项是K-均值聚类面临的问题？

选项：

A、K的选择具有挑战性

B、硬聚类并不总是正确的

C、贪婪算法存在的问题

D、关于数据的球形假设（到聚类中心的距离）

答案：【K的选择具有挑战性;硬聚类并不总是正确的;贪婪算法存在的问题;关于数据的球形假设（到聚类中心的距离）】7.多选题：无监督学习可以应用于哪些方面？

选项：

A、图像压缩

B、生物信息学：学习基因组

C、客户细分（即分组）

D、学习没有任何标签的聚类/群组

答案：【图像压缩;生物信息学：学习基因组;客户细分（即分组）;学习没有任何标签的聚类/群组】8.单选题：在文本聚类中，欧氏距离是比较适合的。

选项：

A、正确

B、错误

答案：【错误】9.单选题：监督学习的训练集时有标签的数据。

选项：

A、正确

B、错误

答案：【正确】10.单选题：K-均值++算法能够克服最远点不能处理离群值的问题。

选项：

A、正确

B、错误

答案：【正确】11.单选题：K-means和EM聚类之间的主要区别之一是EM聚类是一种“软”聚类算法。

选项：

A、正确

B、错误

答案：【正确】12.单选题：聚类算法中的谱聚类算法是一种分层算法。

选项：

A、正确

B、错误

答案：【错误】13.单选题：两个向量之间的余弦距离等于1减这两个向量的余弦相似度。

选项：

A、正确

B、错误

答案：【正确】14.我们将一个数据可以属于多个类（概率）的聚类称作什么？

答案：【软聚类】15.EM算法中，E代表期望，M代表什么？

答案：【最大化】16.无监督学习中除了聚类，另一种是什么？

答案：【建模】期末考试机器学习与人工智能期末考试1.单选题：在决策树学习过程中，哪些情况可能会导致问题数据（特征相同但是标签不同）？

选项：

A、数据有噪音

B、数据错误

C、现有的特征不足以区分或决策

D、以上都是

答案：【以上都是】2.单选题：随着模型复杂度逐渐增加，训练集的偏差平方和方差分别会如何变化？

选项：

A、减少，增加

B、增加，减少

C、增加，增加

D、减少，减少

答案：【减少，增加】3.单选题：SVM算法的性能取决于？

选项：

A、软间隔参数C

B、核函数的参数

C、核函数的选择

D、以上都是

答案：【以上都是】4.单选题：假定现在有一个四分类问题，你要用One-vs-all策略训练一个SVM的模型，你需要训练几个SVM模型？

选项：

A、4

B、3

C、2

D、1

答案：【4】5.单选题：若根据x与y之间的一组数据求得两个变量之间的线性回归方程为y=a+bx，已知：数据x的平均值为3，数据y的平均值为5，则

选项：

A、回归直线不一定过点（3，5）

B、回归直线必过点（3，5）

C、点（3，5）在回归直线上方

D、点（3，5）在回归直线下方

答案：【回归直线必过点（3，5）】6.多选题：增加训练数据会导致以下哪些结果？

选项：

A、增大方差

B、减小方差

C、向右移动最优复杂度

D、向左移动最优复杂度

答案：【减小方差;向右移动最优复杂度】7.多选题：使用均方误差作为代价函数，有什么特点？

选项：

A、通俗易懂

B、容易出现饱和现象

C、形式简单

D、容易陷入局部最