人工智能机器学习技术练习(习题卷8).pdfVIP

试卷科目： 人工智能机器学习技术练习(习题卷8) 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]如果一个 SVM 模型出现欠拟合，那么下列哪种方法能解决这一问题？ A)增大惩罚参数 C 的值 B)减小惩罚参数 C 的值 C)减小核系数（gamma参数） 答案:A 解析: 2.[单选题]以下哪项是解决NLP用例(如语义相似性、阅读理解和常识推理)的更好选择? A)ELMo B)Open AI’s GPT C)ULMFit 答案:B 解析: 3.[单选题]如果我们说“线性回归”模型完美地拟合了训练样本（训练样本误差为零），则下面哪个说法是正确的？ A)测试样本误差始终为零 B)测试样本误差不可能为零 C)以上答案都不对 答案:C 解析:根据训练样本误差为零，无法推断测试样本误差是否为零。值得一提是，如果测试样本样本很大，则很可能发生 过拟合，模型不具备很好的泛化能力！ 4.[单选题]特征归约主要是为了进行特征的() A)缺失值处理 B)一致性处理 C)异常值处理 答案:B 解析: 5.[单选题]所谓几率,是指发生概率和不发生概率的比值。所以,抛掷一枚正常硬币,正面朝上的几率(odds)为多少? A)0.5 B)1 C)都不是 答案:B 解析:几率(odds)是事件发生不发生概率的比率,正面朝上概率为1/2和反面朝上的概率都为1/2,所以几率为1。 6.[单选题](__)不属于机器学习理论基础。 A)数据科学 B)哲学 C)心理学 D)人工智能 答案:A 解析: 题卷 1/42 试卷科目： 7.[单选题]下面属于Boosting方法的特点是( ) A)构造训练集时采用Bootstraping的方式 B)每一轮训练时样本权重相同 C)分类器可以并行训练 D)预测结果时,分类器的比重不同 答案:D 解析: 8.[单选题]能够直观显示出学习器在样本总体上的查全率、查准率的图是()。 A)ROC曲线 B)误差曲线 C)方差曲线 D)P-R曲线 答案:D 解析: 9.[单选题]训练SVM的最小时间复杂度为O(n2),那么一下哪种数据集不适合用SVM? A)大数据集 B)小数据集 C)中等大小数据集 D)和数据集大小无关 答案:A 解析:有明确分类边界的数据集最适合SVM 10.[单选题]在HSV色彩空间中的H表示色调，则其取值范围在()。 A)[0,255] B)[0,256] C)[0,180] D)[0,181] 答案:C 解析: 11.[单选题]已知数组trans_cnt[1,2,3,4],以下哪一个表达式是求数组的元素数量: A)type(trans_cnt) B)length(trans_cnt) C)coalesce(trans_cnt) D)size(trans_cnt) 答案:D 解析: 12.[单选题]在CTR(点击率预测)中，对于一个特定商品，一个用户可以根据过往的点击商品等信息被归为两类【会点击 】和【不会点击】。CTR问题适合用（）方法来解决 A)分类 B)回归 C)聚类 D)以上都不是 答案:A 解析: 13.[单选题]在创建ndarray对象时，可以使用（ ）参数来指定元素类型。 A)dtype 题卷 2/42 试卷科目： B)dtypes C)type D)types 答案:A 解析: 14.[单选题]我们想在大数据集上训练决策树, 为了使用较少时间, 我们可以 : A)增加树的深度 B)增加学习率 (learning rate) C)减少树的深度 D)减少树的数量 答案:C 解析:增加树的深度, 会导致所有节点不断分裂, 直到叶子节点是纯的为止. 所以, 增加深度, 会延长训练