人工智能机器学习技术练习(习题卷4).pdfVIP

试卷科目： 人工智能机器学习技术练习(习题卷4) 第1部分：单项选择题，共155题，每题只有一个正确答案,多选或少选均不得分。 1.[单选题]聚类的结果是将数据分成了多个簇,() A)每个簇有确切的含义 B)单个簇要再次进行统计分析 C)簇与簇之间差异巨大 答案:B 解析: 2.[单选题]现在有一份数据，你随机的将数据分成了n份，然后同时训练n个子模型，再将模型最后相结合得到一个强学 习器，这属于boosting方法吗 A)是 B)不是 C)不确定 答案:B 解析: 3.[单选题]SVM在()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: 4.[单选题]逻辑回归常用于解决( ) A)回归问题 B)分类问题 C)优化问题 答案:B 解析: 5.[单选题]逻辑回归拟合的函数是() A)sigmoid B)tanh C)relu 答案:A 解析: 6.[单选题]回归分析的任务,就是根据()和因变量的观察值,估计这个函数,并讨论与之有关的种种统计推断的问题。 A)相关变量 B)样本 C)已知数据 D)自变量 答案:D 解析:回归分析指的是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。回归分析按照涉及的变量 的多少,分为一元回归和多元回归分析;按照因变量的多少,可分为简单回归分析和多重间归分析:按照自变量和因变量之 题卷4 1/43 试卷科目： 间的关系类型,可分为线性回归分析和非线性回归分析。 7.[单选题]梯度爆炸问题是指在训练深度神经网络的时候，梯度变得过大而损失函数 变为无穷。在RNN中，下面哪种方法可以较好地处理梯度爆炸问题( ) A)梯度裁剪 B)所有方法都不行 C)Dropout D)加入正则项 答案:A 解析: 8.[单选题]关于Boosting，Bagging和随机森林，以下说法错误的是 A)从偏差-方差分解的角度看，Boosting主要关注降低偏差 B)从偏差-方差分解的角度看，Bagging主要关注降低方差 C)随机森林简单、容易实现、计算开销小 D)Boosting不能基于泛化性能相当弱的学习器构建出很强的集成 答案:D 解析: 9.[单选题]假设已经使用python第三方库sklearn创建线性模型实例linear_model，则linear_model.coef中，属性 coef的作用是（ ） A)sigmoid函数 B)激活函数 C)模型的参数 D)以上都不是 答案:C 解析: 10.[单选题]为了解决如何模拟人类的感性思维，例如视觉理解、直觉思维、悟 性等，研究者找到一个重要的信息处理 的机制是() A)专家系统 B)人工神经网络 C)模式识别 D)智能代理 答案:B 解析: 11.[单选题]输出门的作用是（ ）。 A)保留重要信息 B)去除不重要信息 C)信息增加 D)决定要输出的部分 答案:D 解析: 12.[单选题]下列的哪种方法可以用来降低深度学习模型的过拟合问题? 1 增加更多的数据; 2 使用数据扩增技术(data augmentation); 3 使用归纳性更好的架构; 4 正规化数据; 5 降低架构的复杂度. 题卷4 2/43 试卷科目： A)1 4 5 B)1 2 3 C)1 3 4 5 D)所有项目都有用 答案:D 解析: 13.[单选题]（__）是分类正确的样本数占样本总数的比例。 A)精度 B)错误率 C)偏差 D)误差 答案:A 解析: 14.[单选题]属于分类模型评测指标的是： A)MSE B)AUC C)MAE D)RMSE 答案:B 解析: 15.[单选题]下列表示设置绘制图像大小正确的是（）。 A)p