- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
试卷科目:
人工智能机器学习技术练习(习题卷12)
说明:答案和解析在试卷最后
第1部分:单项选择题,共58题,每题只有一个正确答案,多选或少选均不得分。
1.[单选题]
47910755872480
A.分类方法
A)回归方法
B)降维方法
C)参数估计方法
2.[单选题]假设有n组数据集,每组数据集中,x的平均值都是9,x的方差都是11,y的平均值都是7.50,x与
y的相关系数都是0.816,拟合的线性回归方程都是y=3.00+0.500*x。那么这n组数据集是否一样?
A)一样
B)不一样
C)无法确定
3.[单选题]类域界面方程法中,不能求线性不可分情况下分类问题近似或精确解的方法是?
A)伪逆法
B)感知器算法
C)基于二次准则的H-K算法
D)势函数法
4.[单选题](__)不是常用的噪声处理方法。
A)聚类
B)回归
题卷121/1
试卷科目:
C)分类
D)分箱
5.[单选题]以下关于字典中的键值的说法,正确的是
A)键值不可修改
B)键值不能重复
C)键值必须是字符串
D)以上都不对
6.[单选题]下列关于支持向量的说法,正确的是()。
A)到分类超平面的距离最近的且满足一定条件的几个训练样本点是支持向量
B)训练集中的所有样本点都是支持向量
C)每一类样本集中都分别只有一个支持向量
D)支持向量的个数越多越好
7.[单选题]以下机器学习中,在数据预处理时,不需要考虑归一化处理的是:
A)logistic回归
B)SVM
C)树形模型
D)神经网络
8.[单选题]以下哪一个不是长短时记忆神经网络三个门中中的一个门?()
A)输入门
B)输出门
C)遗忘门
D)进化门
9.[单选题]以下剪枝算法中性能最好的是
A)REP
B)IREP
C)RIPPER
D)CN2
10.[单选题]在Pandas中以下哪个函数可以读取csv文件?()。
A)read_excel()
B)read_csv()
C)read_sql_query()
D)read_text()
11.[单选题]下列关于支持向量回归说法,错误的是()。
A)支持向量回归是将支持向量的方法应用到回归问题中
B)支持向量回归同样可以应用核函数求解线性不可分的问题
C)同分类算法不同的是,支持向量回归要最小化一个凹函数
D)支持向量回归的解是稀疏的
12.[单选题](__)不属于离中趋势分析。
A)极差
B)平均差
C)误差
D)标准差
题卷122/1
试卷科目:
13.[单选题]机器学习算法在学习过程中对某种类型假设的偏好称为()。
A)训练偏好
B)归纳偏好
C)分析偏好
D)假设偏好
14.[单选题]如果线性回归模型中的随机误差存在异方差性,那么参数的OLS估计量是()。
A)无偏的,有效的
B)无偏的,非有效的
C)有偏的,有效的
D)有偏的,非有效的
15.[单选题]关于Anconda组件的说法中,下列描述错误的是()。
A)AnacondaPrompt是Anaconda自带的命令行
B)JupyterNotebook是基于客户端的交互式计算环境,可以编辑易于人们阅读的文档,用于展示数据分析的过程
C)Spyder是一个使用Python语言、跨平台的、科学运算集成开发环境
D)AnacondaNavigator是用于管理工具包和环境的图形用户界面,后续涉及的众多管理命令也可以在Navigator中手动
实现
JupyterNotebook是基于Web的交互式计算环境,可以编辑易于人们阅读的文档,用于展示数据分析的过程
文档评论(0)