机器学习基础智慧树知到答案章节测试2023年太原理工大学.pdf

文档介绍：该【机器学习基础智慧树知到答案章节测试2023年太原理工大学 】是由【小屁孩】上传分享，文档一共【10】页，该文档可以免费在线阅读，需要了解更多关于【机器学习基础智慧树知到答案章节测试2023年太原理工大学 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。 : .
机器学习基础智慧树知到答案章节测试2023年太原理工大学--第1页
第一章测试
1. 样本是连续型数据且有标签，我们采用（ ）进行机器学习。
A:嵌入算法
B:聚类算法
C:分类算法
D:回归算法
答案:D
2. 在机器学习中，样本常被分成（ ）。
A:训练集
B:其它选项都有
C:测试集
D:评估集
答案:B
3. 机器学习算法需要显示编程，具备归纳、总结等自学习能力。（ ）
A:错
B:对
答案:A
4. 机器学习和人工智能、深度学习是一个概念，都是指机器模仿人类推理、学
习能力。（ ）
A:错
B:对
答案:A
5. 特征工程非常重要，在采用机器学习算法前，首先需要利用特征工程确定样
本属性。（ ）
A:错
B:对
答案:B
第二章测试
1. K 近邻算法认为距离越近的相似度越高。（ ）
A:对
B:错
答案:A
2. K 近邻算法中数据可以不做归一化，因为是否归一化对结果影响不大。（ ）
A:错
B:对
答案:A
3. K 近邻算法中采用不同的距离公式对于结果没有影响。（ ）
A:错
机器学习基础智慧树知到答案章节测试2023年太原理工大学--第1页 : .
机器学习基础智慧树知到答案章节测试2023年太原理工大学--第2页
B:对
答案:A
4. 在上面图中， K=5，绿色样本的类别是（ ）。
A:红色三角形
B:蓝色正方形
C:不能确定
D:绿色圆形
答案:B
5. 在 K 近邻算法中， K 的选择是（ ） ？
A:越大越好
B:与样本有关
C:其它都不正确
D:越小越好
答案:B
第三章测试
1. 下列（ ）中两个变量之间的关系是线性的。
A:猫的皮毛颜色和体重
B:人的工作环境和健康状况
C:重力和质量
D:女儿的身高和父亲的体重
答案:C
2. 下列说法不正确的是（ ）。
A:线性回归模型也可以解决线性不可分的情况
B:回归用于预测输入变量和输出变量之间的关系
C:回归就是数据拟合
D:回归分析就是研究两个事物的相关性
答案:C
3. 从某大学随机选择 8 名女大学生，其身高 x(cm)和体重 y(kg) 的回归方程是
y=-，则身高172cm 的女大学生，预测体重为（ ）。
A:
B:大于
C:小于
D:其它都不正确
答案:A
4. lasso 中采用的是 L2 正则化。（ ）
A:错
B:对
答案:A
5. 线性回归中加入正则化可以降低过拟合。（ ）
A:错
机器学习基础智慧树知到答案章节测试2023年太原理工大学--第2页 : .
机器学习基础智慧树知到答案章节测试2023年太原理工大学--第3页
B:对
答案:B
第四章测试
1. 以下说法正确的是（ ）。
A:logistic 回归的样本属性是连续型数据
B:logistic 回归和线性回归是相同的
C:logistic 回归只能处理线性可分问题
D:logistic 回归是回归模型
答案:A
2. logistic 回归只能用于二分类问题。（ ）
A:对
B:错
答案:B
3. logistic 回归中也可以用正则化方法来防止过拟合。（ ）
A:错
B:对
答案:B
4. 考虑一个有两个属性的 logistic 回归问题。假设，则分类决策平面是（ ）。
A:
B:
C:
D:
答案:A
5. 假设训练了一个 logistic 回归分类器，对于一个样本我们有，则该式说明
（ ）。
A:
B:
C:
D:
答案:BD
第五章测试
1. 以下关于梯度下降算法说法正确的是（ ）。
A:学习率的选取会影响梯度下降算法的求解速度
B:梯度下降算法是计算目标函数的最大值
C:计算预测值和真实值之间的误差
D:如果目标函数梯度不存在就无法用梯度下降算法
答案:A
2. 随机梯度下降导致方向变化过大，不能很快收敛到最优解。（ ）
A:错
机器学习基础智慧树知到答案章节测试2023年太原理工大学--第3页 : .
机器学习基础智慧树知到答案章节测试2023年太原理工大学--第4页
B:对
答案:B
3. 小批量梯度下降是结合了批量梯度下降和随机梯度下降，性能比批量梯度下
降和随机梯度下降都好。（ ）
A:错
B:对
答案:B
4. 批量梯度下降是最原始的形式，它是指在每一次迭代时使用一部分样本的梯
度来更新参数。（ ）
A:错
B:对
答案:A
5. 随机梯度下降中每次迭代使用一个样本的梯度。（ ）
A:错
B:对
答案:B
第六章测试
1. 决策树模型中建树的基本原则是（ ）。
A:信息增益大的属性应放在上层
B:应利用尽可能多的属性
C:取值多的属性应放在上层
D:取值少的属性应放在上层
答案:A
2. 哪些情况下必须停止树的增长（ ）
A:当前数据子集为空
B:当前数据子集的标签一致
C:没有更多可用属性
D:当前训练误差已经较低
答案:ABCD
3. 关于决策树剪枝操作正确的描述是（ ）。
A:可以有效降低训练误差
B:可以防止过拟合
C:用测试集来进行剪枝
D:后剪枝优于预剪枝
答案:B
4. 决策树模型中如何处理连续型属性（ ）。
A:随机选择数据标签发生变化的位置进行离散化
B:利用固定阈值进行离散化
C:直接忽略
机器学习基础智慧树知到答案章节测试2023年太原理工大学--第4页 : .
机器学习基础智慧树知到答案章节测试2023年太原理工大学--第5页
D:根据信息增益选择阈值进行离散化
答案:D
5. 下面哪个可能是决策树的决策边界 ( )。
A:
B:
C:
D:
答案:D
第七章测试
1. 下面对集成学习模型中的弱学习器描述错误的是？（ ）
A:弱学习器可以通过集成变成强学习器
B:弱学习器通常带有高偏差，所以其并不能解决复杂学习问题
C:弱学习器通常会过拟合
D:弱学习器经常不会过拟合
答案:C
2. 给定数据集及弱分类器如上图，回答问题：初始样本的权重为（ ）。
A:
B:1
C:
D:其它都不对
答案:A
3. 给定数据集及弱分类器如上图，回答问题：第一次迭代选择的分类器是
（ ）。
A: