《机器学习-Python实践》试卷8.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、产量（X，台）与单位产品成本（y,元/台）之家你的回归方程为y=356-1.5x，这说明（）

A。产量每增加一台，单位产品成本增加356元

B。产品每增加一台，单位产品的成本减少1.5元

C.产量每增加一台，单位产品的成本平均增加356元

D。产量每增加一台，单位产品成本平均减少1.5元

2、直线方程y=wx+b,其中b表示（）

A.系数B截距

C.斜率D权重

3、以下描述中，对梯度解释正确的是（多选）（）

A梯度是一个向量，有方向有大小

B求梯度就是对梯度向量的各个元素求偏导

C梯度只有大小没有方向

D梯度只有方向没有大小

4、关于误差ε的说法正确的是（多选）（）

A误差可以看做随机比变量

B误差的概率分布符合正态分布

C误差的概率分布符合均匀分布

D如果模型设计优良，误差可以避免

5、标准差与方差的关系是（多选）（）

A标准差是方差的算术平方根

B标准差可以反映离散程度，也可以反映出样本的量纲

C方差只能反映离散程度

D标准差的平方是方差

6、SVM中的核技巧（Kernaltrick）的作用包括以下哪项？（）

A.特征升维

B.特征降维

C.防止过拟合

D.处理离散数据

7、在数据预处理阶段，我们常常对数值特征进行归一化或标准化 (standardization,normalization)处理。这种处理方式理论上不会对下列 哪个模型产生很大影响？（）

A.k-Means

B.k-NN

C.决策树

D.谱聚类

8、下面哪个激活函数在图像分类中不能作为输出层？（）

A.sigmoid?

B.Tanh?

C.ReLU?

D.If(x5,1,0)?

9、使用batchnormalization可以解决以下哪一个神经网络训练中的 问题？?（）

A.防止梯度消失

B.防止激活过高或者过低?

C.网络训练太慢?

D.B和C

10、感知器不包括下面那个结构：（）

A.输入层

B.隐藏层

C．输出层

D．计算层

二、判断题（本大题共10小题，每题1分，共10分）

1、预剪枝是在决策树生成过程中，对树进行剪枝，提前结束树的分支 生长。（）

2、决策树的剪枝基本策略有预剪枝(Pre-Pruning)和后剪枝。

（）

3、常见的决策树算法是ID3,C4.5，CART树。（）

4、决策树的剪枝是为了简化决策树模型，避免过拟合。（）

5、最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。（）

6、朴素贝叶斯（分类器）是一种生成模型，它会基于训练样本对每个可能的类别建模。（）

7、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。（）

8、Boosting：串行，各个及学习器顺序生成，因为后一个模型参数依赖于前一轮模型的预测结果。（）

9、Bagging：各个学习器可以并行生成。（）

10、Adaboost采用迭代的思想，继承了Boosting算法，每次迭代只训练一个弱学习器，训练好的弱学习器将参与下一次迭代。（）

三、填空（本大题共10小题，每题3分，共30分）

1、在某些情况下，我们会讨论坐标超过两维的数组。一般地，一个数组中的元素分布在若干维坐标的规则网格中，我们将其称之为。

2、回归常用评估方法：，，。

3、信息越有序，信息熵越。

4、训练用到的每个样本叫。

5、模型没有很好地捕捉到数据特征，不能够很好地拟合数据叫。

6、提取出的正确信息条数/提取出的信息条数是。