人工智能模拟考试题与答案.docx

人工智能模拟考试题与答案

一、单选题（共103题，每题1分，共103分）

1.特征A对训练数据集D的信息增益比的定义是（）和（）之比。

A、信息增益与训练数据集的信息熵之比

B、信息增益与训练数据集的经验熵之比

C、信息增益与训练数据集的条件熵之比

D、信息增益与训练数据集的交叉熵之比

正确答案：B

2.留出法直接将数据集划分为()个互斥的集合

A、四

B、二

C、一

D、三

正确答案：B

3.对零次数据进行初步加工，不包括()

A、变换

B、脱敏

C、清洗

D、集成

正确答案：B

4.下列度量不具有反演性的是()

A、系数

B、几率

C、Cohen度量

D、兴趣因子

正确答案：D

5.前馈神经网络通过误差后向传播（BP算法）进行参数学习，这是一种（）机器学习手段

A、监督学习

B、无监督学习

C、半监督学习

D、无监督学习和监督学习的结合

正确答案：A

6.有一长为16m的篱笆，要围成一个矩形场地，则矩形场地的最大面积是________m2

A、16

B、$18

C、14

D、15

正确答案：A

7.数据挖掘技术包括三个主要的部分()。

A、数据、模型、技术

B、数据、建模能力、算法与技术

C、建模能力、算法与技术、领域知识

D、算法、技术、领域知识

正确答案：B

8.掷2n+1次硬币，正面向上次数多于反面向上次数的概率是（）。

A、(n+1)/(2n+1)

B、n/(2n+1)

C、(n-1)/(2n+1)

D、0.5

正确答案：D

9.协同训练（co-training）是针对(___)数据设计？

A、多环境

B、多视图

C、多版本

D、多角度

正确答案：B

10.Python运算符中用来计算集合并集的是_______。

A、

B、|

C、+

D、||

正确答案：B

11.聚类的性能度量亦称聚类“（）”

A、驱动性指标

B、可靠性指标

C、无效性指标

D、有效性指标

正确答案：D

12.（）是建立在numpy基础上的高效数据分析处理库，是Python的重要数据分析库。

A、PIL

B、Matplotlib

C、numpy

D、pandas

正确答案：D

13.在CNN训练中，除了卷积偏置bias需要学习更新以外，（）也是学习跟新的重要内容

A、learning_rate

B、step

C、weight

D、padding

正确答案：C

14.[[[1.3688,1.0125]],[[0.1747,-0.022463]]]张量的维度为（）。

A、(1,2,2)

B、(2,1,2)

C、(2,2)

D、(4,1)

正确答案：B

15.以下关于降维，表述错误的是：（）

A、降维过程中可以保留原始数据的所有信息。

B、多维缩放的目标是要保证降维后样本之间的距离不变。

C、线性降维方法目标是要保证降维到的超平面能更好的表示原始数据。

D、核线性降维方法目标是通过核函数和核方法来避免采样空间投影到高维空间再降维之后的低维结构丢失。

正确答案：A

16.半监督学习四大范型不含有(___)

A、生成式方法

B、半监督SVM

C、半监督聚类

D、基于分歧方法

正确答案：C

17.决策树的生成是一个(___)过程。

A、KNN

B、聚类

C、递归

D、回归

正确答案：C

18.下列核函数特性描述错误的是(___)

A、只要一个对称函数所对应的核矩阵半正定，就能称为核函数；

B、核函数是一种降维模型；

C、核函数选择作为支持向量机的最大变数；

D、核函数将影响支持向量机的性能；

正确答案：B

19.根据numpy数组中ndim属性的含义确定程序的输出（）。array=np.array（[[1,2,3],[4,5,6],[7,8,9],[10,11,12]]）;print（array.ndim）

A、（4,3）

B、2

C、（3,4）

D、$4

正确答案：B

20.在TensorFlow中，TensorBoard运行时的默认访问端口是以下哪个端口号

A、4004

B、8080

C、8008

D、$6,006

正确答案：D

21.（）是以样本统计量作为未知总体参数的估计量，并通过对样本单位的实际观察取得样本数据，计算样本统计量的取值作为被估计参数的估计值

A、逻辑分析

B、参数估计

C、回归分析

D、方差分析

正确答案：B

22.线性回归方法是假定条件属性和决策属性之间存在线性关系，然后通过训练数据拟合出一个（）方程，并使用该方程去预测未知的新实例。

A、线性

B、多元

C、二元一次

D、一元一次

正确答案：A

23.在一个神经网络中，知道每一个神经元的权重和偏差是最重要的一步。如果知道了神经元准确的权重和偏差，便可以近似任何函数，但怎么获知每个神经的权重和偏移呢？（）

A、搜索每个可能的权重和偏差组合，直到得到最佳值

B、赋予一个初始