机器学习算法研发工程师备考题库卷-3（附答案） .pdfVIP

单选题（每题1分，共34道题）

1、[单选]关于策略梯度的方法说法正确的是（）。

A：只适用于离散动作空间

B：适用于连续动作空间

C：策略梯度的方法与DQN中的目标函数一致

D：策略梯度的方法通过Q值挑选动作

正确答案：B你的答案：A

解析：策略梯度方法适用于连续动作空间，因为它不需要像值函数方

法那样计算每个动作的值，而是直接通过梯度上升来更新策略网络，

从而产生连续动作的输出。选项A错误，因为策略梯度方法适用于

连续动作空间。选项C错误，因为策略梯度方法与DQN中的目标函

数不一致。选项D错误，因为策略梯度方法不是通过Q值来挑选动

作的。因此，正确答案为B。

2、[单选]线性回归的基本假设不包括哪个？

A：随机误差项是一个期望值为0的随机变量

B：对于解释变量的所有观测值，随机误差项有相同的

方差

C：随机误差项彼此相关

D：解释变量是确定性变量不是随机变量，与随机误差

项之间相互独立

正确答案：C你的答案：A

解析：线性回归的基本假设包括：1.线性关系；2.随机误差项是一个

期望值为0的随机变量；3.对于解释变量的所有观测值，随机误差项

有相同的方差；4.解释变量是确定性变量不是随机变量，与随机误差

项之间相互独立。因此，不包括的假设是C。

3、[单选]我们想在大数据集上训练决策树,为了使用较少时

间,我们可以:

A：增加树的深度

B：增加学习率(learningrate)

C：减少树的深度

D：减少树的数量

正确答案：C你的答案：A

解析：选项A和B都不是减少训练时间的有效方法。增加树的深度

可能会导致过拟合，增加学习率可能会导致收敛速度过慢或不稳定。

减少树的数量会导致决策树的性能下降。因此，减少树的深度是一个

合理的方法来减少训练时间，同时也能够避免过拟合的问题。因此答

案为C。

4、[单选]关于随机森林和梯度提升树，请选择正确的选项。

1.在随机森林中，中间树互相不独立，而在梯度回归树中，

中间树相互独立。2.他们都使用随机特征子集来构建中间树。

3.在梯度提升树的情况下我们可以生成并行树，因为树互相

独立。4.梯度提升树在任何数据集上都比随机森林要好。

A：2

B：1和2

C：1,3和4

D：2和4

正确答案：A你的答案：A

解析：1错误。在随机森林中，中间树是相互独立的，而在梯度提升

树中，中间树是相互依赖的。2正确。随机森林和梯度提升树都使用

随机特征子集来构建中间树，这种方法可以减少过拟合，提高模型的

泛化能力。3错误。在梯度提升树中，中间树是相互依赖的，不可以

生成并行树。4错误。在不同的数据集上，随机森林和梯度提升树的

表现都是不同的，没有一定的比较结果。因此，答案为A。

5、[单选]下列哪位是人工智能之父？（）

A：MarnivLeeMinsky

B：HerbertA.Simon

C：AllenNewell

D：JohnCliffordShaw

正确答案：A你的答案：A

解析：选项A的全名是MarvinLeeMinsky，他是人工智能领域的先驱

之一，被誉为“人工智能之父”，因此选项A正确。

6、[单选]下列选项中,识别模式与其他不⼀样的是

A：⽤户年龄分布判断:少年、青年、中年、⽼年

B：医⽣给病⼈诊断发病类型

C：投递员分拣信件

D：出⾏方式判断:步⾏、骑车、坐车

正确答案：D你的答案：A

解析：ABC选项都是根据特定的领域知识或规则进行判断，属于专

家系统或规则引擎的范畴，而出行方式的判断则需要通过大量的数据

和模型训练来完成，属于机器学习或深度学习的范畴。因此，选项D

与其他选项不同。

7[][0,1]

、单选逻辑回归是输出结果落在区间内，下列哪个

函数用于转换概率，使其落入[0,1]？

ASigmoid

：

BMode

：

CSquare