《机器学习-Python实践》试卷9.docx

第PAGE1页，共NUMPAGES1页

一、单项选择题（本大题共10小题，每题3分，共30分）试卷（2021

试卷

（2021-2022学年第1学期）

考试科目机器学习-Python实践（A卷）

适用专业班级（年级）得分

命题人：审阅人：

班级学号姓名考试科目

装订线

1、选择Logistic回归中的One-Vs-All方法中的哪个选项是真实的。（）

A我们需要在n类分类问题中适合n个模型

B我们需要适合n-1个模型来分类为n个类

C我们需要只适合1个模型来分类为n个类

D这些都没有

2、假设对给定数据应用了Logistic回归模型，并获得了训练精度X和测试精度Y。现在要在同一数据中添加一些新特征，以下哪些是错误的选项。（）

注：假设剩余参数相同。

A训练精度提高

B训练准确度提高或保持不变

C测试精度提高或保持不变

3、假定特征F1可以取特定值：A、B、C、D、E和F，其代表着学生在大学所获得的评分。在下面说法中哪一项是正确的？（）

A特征F1是名义变量（nominalvariable）的一个实例。

B特征F1是有序变量（ordinalvariable）的一个实例。

C该特征并不属于以上的分类。

D以上说法都正确。

4、下面哪一项对梯度下降（GD）和随机梯度下降（SGD）的描述是正确的？（）

1在GD和SGD中，每一次迭代中都是更新一组参数以最小化损失函数。

2在SGD中，每一次迭代都需要遍历训练集中的所有样本以更新一次参数。

3在GD中，每一次迭代需要使用整个训练集的数据更新一个参数。

A只有1

B只有2

C只有3

D都正确

5、假定你正在处理类属特征，并且没有查看分类变量在测试集中的分 布。现在你想将onehotencoding（OHE）应用到类属特征中。（）

那么在训练集中将OHE应用到分类变量可能要面临的困难是什么？

A.分类变量所有的类别没有全部出现在测试集中

B.类别的频率分布在训练集和测试集是不同的

C.训练集和测试集通常会有一样的分布

D.A和B都正确

6、假定你现在解决一个有着非常不平衡类别的分类问题，即主要类别 占据了训练数据的99%。现在你的模型在测试集上表现为99%的准确度。 那么下面哪一项表述是正确的？（）

1准确度并不适合于衡量不平衡类别问题

2准确度适合于衡量不平衡类别问题

3精确率和召回率适合于衡量不平衡类别问题

4精确率和召回率不适合于衡量不平衡类别问题

A1and3

B1and4

C2and3

D2and4

7、假设我们有一个数据集，在一个深度为6的决策树的帮助下，它可 以使用100%的精确度被训练。现在考虑一下两点，并基于这两点选择正确 的选项。（）

注意：所有其他超参数是相同的，所有其他因子不受影响。

1深度为4时将有高偏差和低方差

2深度为4时将有低偏差和低方差

A只有1

B只有2

C1和2

D没有一个

8、与人类神经元相比，人工神经元的输入类比于什么？（）

A．树突

B．轴突

C．细胞核

D.细胞膜

9、与人类神经元相比，人工神经元的输出类比于什么？（）

A．树突

B．轴突

C．细胞核

D.细胞膜

10、以下关于感知器中的链接方式表示正确的是？（）

A.输入层与隐藏层相连

B.输入层与输出层相连

C.隐藏层与细胞核相连

D.输入层与输入层相连

二、判断题（本大题共10小题，每题1分，共10分）

1、P(A|B)表示事件B已经发生的前提下，事件A发生的概率，叫做事 件B发生下事件A的条件概率。（）

2、输出变量为连续变量的预测问题是分类问题。（）

3、回归及分类常用的评估指标都是准确率和召回率。（）

4、决策树只用来分类。（）

5、一般来说，回归不用在分类问题上，但也有特殊情况，逻辑回归可 以用来解决0/1分类问题。（）

6、回归问题与分类问题都有可能发生过拟合。（）

7、如果一个经过训练的机器学习模型在测试集上达到100%的准确率， 这是否意味着该模型将在