原创力文档- 1、本文档共1页，可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
查看更多
一、选择题
1.C 2.A 3.B 4.C 5.D 6.A 7.AC 8.B 9.D 10.D
二、判断题
1.对 2.错 3.对 4.对 5.对 6.对 7.对 8.对 9.对 10.对
三、填空题
1.ID3 2.卡方信息增益平均互信息期望交叉熵 3.7
4.解析解（闭式解）数值解 5.代价函数目标函数 6.特征选择
7.误差（Error） 8.一组连接一个加法器一个激活函数
9.有监督Hebb算法单层感知器梯度LMS算法 10.大小长
四、简答题
1、
答：Logistic回归目的是从特征学习出一个0/1分类模型，而这个模型是将特性的线性组合作为自变量，由于自变量的取值范围是负无穷到正无穷。因此，使用logistic函数（或称作sigmoid函数）将自变量映射到(0,1)上，映射后的值被认为是属于y=1的概率。
2、
答：SVM、神经网络、随机森林、逻辑回归、KNN、贝叶斯等。
3、
答：监督学习：
分类：逻辑回归、决策树、KNN、随机森林、支持向量机、朴素贝叶斯
数字预测：线性回归、KNN、GradientBoosting*AdaBoost
无监督学习：聚类、关联分析
强化学习
文档评论（0）