《深度学习基础及应用》310-9(郑光勇)答案.pdfVIP

《深度学习基础及应用》

项目考核参考答案

项目1搭建深度学习开发环境

1．选择题

（1）D

（2）A

（3）A

（4）D

（5）C

（6）B

2．填空题

（1）1956

（2）无标签

（3）文本分类

（4）下载TensorFlow镜像文件的源地址；==2.8.0

（5）Notebook名称

3．简答题

（1）人工智能、机器学习和深度学习之间的关系如下。

人工智能通过研究、设计和制造智能机器或智能系统，模拟人类的智能活动，从而延

伸、扩展人类智能。机器学习则是人工智能的一个分支，它是实现人工智能的一个核心技

术，即以机器学习为手段解决人工智能中的规律、经验、知识获取问题。机器学习包含了

很多种不同的算法，深度学习是其中之一。

即人工智能包含机器学习，机器学习包含深度学习。

（2）有监督学习与无监督学习的区别如下。

①有监督学习是一种目的明确的训练方式，即可以提前预知结果；而无监督学习则

是没有明确目的的训练方式，即无法提前预知结果；

②有监督学习使用的数据需要提前打上标签；而无监督学习不需要给数据打上标签。

（3）在JupyterNotebook中，快捷键“Shift+Enter”是运行当前单元格并在下方插入

新的空白单元格；而快捷键“Ctrl+Enter”是运行当前单元格并进入命令模式，不会有新的

单元格产生。

1

深度学习基础及应用

项目2夯实深度学习开发基础

1．选择题

（1）D

（2）A

（3）A

（4）A

（5）C

（6）A

（7）D

（8）A

2．填空题

（1）[[012]

[345]]

（2）[[23]

[56]]

（3）pyplot

（4）title()

（5）3

3．简答题

（1）scikit-learn库的主要功能包括分类、回归、聚类、数据预处理、数据降维和模型

选择。

①分类：是对给定对象指定所属类别。分类属于有监督学习，常用于二分类、多分

类、垃圾邮件检测、图像识别等场景中。scikit-learn提供了支持向量机（SVM）、k近邻、

随机森林（RF）、逻辑回归（LR）、神经网络等算法。

②回归：是一项预测性的建模技术。它的目的是通过建立模型研究因变量和自变量之

间的显著关系，即多个自变量对因变量的影响强度，预测数值型的目标值。回归分析在管理

学、经济学、社会学、医学、生物学等领域得到了广泛应用。scikit-learn提供了支持向量回

归（SVR）、脊回归、Lasso回归、弹性网络、最小角回归（LARS）和贝叶斯回归等算法。

③聚类：是自动识别具有相似属性的给定对象，并将其分组为集合。聚类属于无监

督学习，常用于顾客细分、实验结果分组等场景中。scikit-learn提供了k-均值聚类（k-

Means）、谱聚类、均值偏移等算法。

④数据预处理：由于数据库太大或来自多种数据源，导致数据极易受噪声、缺失值

和不一致数据的侵扰，数据预处理是提高数据质量的有效方法。scikit-learn提供了一些数

据预处理的方法，包括标准化、非线性转换、归一化、二值化、分类特征编码、缺失值插

2

补、生成多项式特征等。

⑤数据降维：是用来减小数据冗余、降低算法复杂度的方法。scikit-learn提供了主成

分分析（PCA）、非负矩阵分解（NMF）和特征选择等方法。

⑥模型选择：是对给定参数和模型的比较、验证和选择的方法。模型选择的目的是

通过参数调整提升精度。scikit-learn提供了网格搜索、交叉验证、度量、流水线、学习曲

线等子模块。

（2）在Windows操作系统中，使用Keras库的load_d