《机器学习-Python实践》试卷答案8.docx

《机器学习-Python实践》试卷答案8.docx

  1. 1、本文档共1页,可阅读全部内容。
  2. 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. 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. 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.D 2.B 3.AB 4.AB 5.ABC 6.C 7.C 8.D 9.A 10.D

二、判断题

1.对 2.对 3.对 4.对 5.对 6.对 7.对 8.对 9.对 10.对

三、填空题

1.张量 2.平均误差绝对值误差R2 3.低

4.训练样本 5.欠拟合 6.正确率 7.误差(Error)

8.弱分类器 9.分类算法 10.bagging算法RandomForest算法

四、简答题

1、

模型复杂度:SVM支持核函数,可处理线性非线性问题;LR模型简单,训练速度快,适合处理线性问题;决策树容易过拟合,需要进行剪枝。

损失函数:SVMhingeloss;LRL2正则化;Adaboost指数损失。

数据敏感度:SVM添加容忍度对outlier不敏感,只关心支持向量,且需要先做归一化;LR对远点敏感。

数据量:数据量大就用LR,数据量小且特征少就用SVM非线性核。

2、

答:优点:在数据较少的情况下仍然有效,可以处理多类别问题。

缺点:对于输入数据的准备方式较为敏感。适用数据类型:标称型数据。

3、

答:选择什么模型或算法、选择什么优化方法、如何对数据进行预处理、目标函数是什么、过拟合与欠拟合的处理、维度爆炸。

文档评论(0)

xiaobao + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档