《機器學習-Python實踐》試卷10

第1頁，共1頁一、單項選擇題（本大題共10小題，每題3分，共30分）試卷（2021試卷（2021-2022學年第1學期）考試科目機器學習-Python實踐（A卷）適用專業(yè)班級（年級）得分命題人：審閱人：班級學號姓名考試科目裝訂線1、假設你正在做一個項目，它是一個二元分類問題。你在數據集上訓練一個模型，并在驗證數據集上得到混淆矩陣?；谏鲜龌煜仃嚕旅婺膫€選項會給你正確的預測。（）1精確度是~0.912錯誤分類率是~0.913假正率（Falsecorrectclassification）是~0.954真正率（Truepositiverate）是~0.95A1和3B2和4C1和4D2和32、對于下面的超參數來說，更高的值對于決策樹算法更好嗎？1用于拆分的樣本量（）2樹深3樹葉樣本A1和2B2和3C1和3D1、2和3E無法分辨3、假如我們使用非線性可分的SVM目標函數作為最優(yōu)化對象,我們怎么保證模型線性可分？（）A設C=1B設C=0C設C=無窮大D以上都不對4、NaveBayes是一種特殊的Bayes分類器,特征變量是X,類別標簽是C,它的一個假定是:（）A.各類別的先驗概率P(C)是相等的B.以0為均值，sqr(2)/2為標準差的正態(tài)分布C.特征變量X的各個維度是類別條件獨立隨機變量D.P(X|C)是高斯分布5、假定某同學使用NaiveBayesian（NB）分類模型時，不小心將訓練數據的兩個維度搞重復了，那么關于NB的說法中正確的是：（）A.這個被重復的特征在模型中的決定作用會被加強B.模型效果相比無重復特征的情況下精確度會降低C.如果所有特征都被重復一遍，得到的模型預測結果相對于不重復的情況下的模型預測結果一樣。D.當兩列特征高度相關時，無法用兩列特征相同時所得到的結論來分析問題6、統計模式分類問題中，當先驗概率未知時，可以使用（）A.最小最大損失準則B.最小誤判概率準則C.最小損失準則D.N-P判決7、甲盒中有200個螺桿，其中有160個A型螺桿；乙盒中有240個螺母，其中有180個A型的。現從甲乙兩盒中各任取一個，則能配成A型螺栓的概率為多少?（）A.1/20B.15/16C.3/5D.19/208、關于激活函數功能表述正確的是？（）A．信號強度大于閾值的向下一層傳播B.信號強度小于閾值的向下一層傳播C．信號強度始終不向下一層傳播D.以上都不對9、激活函數的作用描述錯誤的是？（）A．輔助信號傳輸的門控函數B.構建模型的非線性特性C．提升學習復雜模型的能力D．對與非線性沒有幫助，可有可無10、如下那些函數沒有梯度消失的問題？（）A．ReLUB．sigmoidC．tanhD．softmax二、判斷題（本大題共10小題，每題1分，共10分）1、如果一個經過訓練的機器學習模型在測試集上達到100%的準確率， 這是否意味著該模型將在另外一個新的測試集上也能得到100%的準確率。 （）2、如果自變量X和因變量Y之間存在高度的非線性和復雜關系，那 么樹模型很可能優(yōu)于經典回歸方法。（）3、在訓練完SVM之后，我們可以只保留支持向量，而舍去所有非支持 向量。 仍然不會影響模型分類能力。（）4、兩個變量相關，它們的相關系數r可能為0。（）5、如果兩個變量相關，那么它們一定是線性關系嗎？（）6、“過擬合”只在監(jiān)督學習中出現，在非監(jiān)督學習中，沒有“過擬合”， 這是（）7、錯誤率（ErrorRate）是分類錯誤的樣本數占樣本總數的比例。 （）8、DSS主要是基于數據倉庫.聯機數據分析和數據挖掘技術的應用。 （）9、OLAP技術側重于把數據庫中的數據進行分析、轉換成輔助決策信息， 是繼數據庫技術發(fā)展之后迅猛發(fā)展起來的一種新技術。（）10、商業(yè)智能系統與一般交易系統之間在系統設計上的主要區(qū)別在于： 后者把結構強加于商務之上，一旦系統設計完畢，其程序和規(guī)則不會輕 易改變；而前者則是一個學習型系統，能自動適應商務不斷變化的要求。 （）三、填空（本大題共10小題，每題3分，共30分）1、是具有相同特征和緯度的對象的集合，表現為一張二維數據表。2、線性回歸如果是泊松分布，那就是。3、經驗誤差（empiricalerror）也叫。4、訓練過程中用到的數據叫。5、模型沒有很好地捕捉到數據特征，不能夠很好地擬合數據叫。6、評判分類效果好壞的三個指標就是上面介紹的三個指標:，，。7、損失函數也叫或。8、分類(Classification)：是把不同的數據劃分開，其過程是通過訓練數據集獲得一個分類器，再通過分類器去預測未知數據，分類是一種。9、聚類的一般過程數據準備：和