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（試卷（學年第1學期）考試科目機器學習-Python實踐（A卷）適用專業班級（年級）得分命題人：審閱人：班級學號姓名考試科目裝訂線1、關于“回歸（Regression）”和“相關（Correlation）”，下列說法正確的是？注意：x是自變量，y是因變量。（）A.回歸和相關在x和y之間都是互為對稱的B.回歸和相關在x和y之間都是非對稱的C.回歸在x和y之間是非對稱的，相關在x和y之間是互為對稱的D.回歸在x和y之間是對稱的，相關在x和y之間是非對稱的2、邏輯回歸將輸出概率限定在[0,1]之間。下列哪個函數起到這樣的作用？（）A.Sigmoid函數B.tanh函數C.ReLU函數D.LeakyReLU函數3、關于兩個邏輯回歸模型中的β0、β1值，下列說法正確的是？注意：y=β0+β1*x，β0是截距，β1是權重系數。（）A.綠色模型的β1比黑色模型的β1大B.綠色模型的β1比黑色模型的β1小C.兩個模型的β1相同D.以上說法都不對4、在n維空間中（n>1），下列哪種方法最適合用來檢測異常值？（）A.正態概率圖B.箱形圖C.馬氏距離D.散點圖5、邏輯回歸與多元回歸分析有哪些不同之處？（）A.邏輯回歸用來預測事件發生的概率B.邏輯回歸用來計算擬合優度指數C.邏輯回歸用來對回歸系數進行估計D.以上都是6、如果一個SVM模型出現欠擬合，那么下列哪種方法能解決這一問題？（）A.增大懲罰參數C的值B.減小懲罰參數C的值C.減小核系數（gamma參數）D.以上都不是7、我們知道二元分類的輸出是概率值。一般設定輸出概率大于或等于0.5，則預測為正類；若輸出概率小于0.5，則預測為負類。那么，如果將閾值0.5提高，例如0.6，大于或等于0.6的才預測為正類。則準確率（Precision）和召回率（Recall）會發生什么變化（多選）？（）A.準確率（Precision）增加或者不變B.準確率（Precision）減小C.召回率（Recall）減小或者不變D.召回率（Recall）增大8、集成學習策略常用于處理數值問題的是：（）A．投票法B．平均法C．學習法D．上述都有9、關于學習法表述正確的事（）A．平均法和投票法是對弱學習器的結果做平均或者投票，相對比較簡單，但是可能學習誤差較大，于是就有了學習法。B．學習法是一種更為強大的結合策略，即通過另一個學習器來進行結合。C．Stacking是學習法的典型代表。Stacking先從初級數據集訓練出初級學習器，然后“生成”一個新數據集用于訓練次級學習器。在這個新數據集中，初級學習器的輸出被當作樣例輸入特征。D．上述都對10、以下關于Bagging算法的特點描述正確的是（）A．Bagging通過降低基學習器的方差改善了泛化誤差B．bagging對樣本進行有放回的重采樣，學習結果是各個學習模型的平均值C．由于重采樣的樣本集具有相似性以及使用相同的學習器模型，因此，各學習模型的結果相近，即模型有近似相等的偏差和方差。D．以上描述都對二、判斷題（本大題共10小題，每題1分，共10分）1、矩陣的L0范數：矩陣的非0元素的個數，通常用它來表示稀疏，L0范數越小0元素越多，也就越稀疏。（）2、隨機事件X所包含的信息量與其發生的概率有關。發生的概率越小，其信息量就越小。（）3、SVM通過尋找使得訓練數據盡可能分開且分類間隔最大的超平面實現結構風險最小化。（）4、logit回歸輸出的是Y屬于某一類的概率，也可以表示某事件發生的概率。（）5、P(θ|x)是在數據X的支持下，θ發生的概率：后驗概率。（）6、P(θ)是在沒有數據支持下，θ發生的概率：先驗概率。（）7、F1值定義為：F1=2PR/(P+R)。（）8、Adaboost算法流程將所有弱分類器加權求和，得到分類結果（注意是分類器權重）。（）9、集成學習通過將多個單個學習器集成/組合在一起，使它們共同完成學習任務，以達到提高預測準確率的目的。（）10、Boosting是一個順序過程，每個后續模型都會嘗試糾正先前模型的錯誤，后續的模型依賴于之前的模型。（）三、填空（本大題共10小題，每題3分，共30分）1、算法利用信息增益進行特征的選擇，信息增益反映的是給定條件后不確定性減少的程度。2、機器學習中做特征選擇時，可能用到的、、、。3、已知坐標軸中兩點A(2,?2)B(?1,2)，這兩點的曼哈頓距離（L1距離）是。4、求函數機制的方法有兩大類，分別是和。5、損失函數也叫或。6、從已有的M個特征（Feature）中選擇N個特征使得系統的特定指標最優化叫。7、回歸問題對數值型連續隨機變量進行預測和建模的監督學習算法。回歸往往會通過計算來確定模型的精確性。8、人工神經元模型可以看成是由3種基本元素組成，，。9、學習算法是指針對學習問題的明確規則，學習類型是由參數變化發生的形式決定的，不同的學習算法對神經元的權值調整的表達式是不同的。人工神經網絡常用的算法有，，。10、在最基本的BP算法中，學習率在整個訓練過程是保持不變的，學習率過，算法可能振蕩而不穩定；學習率過，則收斂速度慢，訓練時間。四、簡答題（本大題共3小題，共30分）1、簡單介紹下Logistics回歸。？2、常見的分類算法有哪些？3、機器學習能解決哪些問題?每一類使用的常用方法有哪些?舉例說明其應用？一、選擇題1.C 2.A 3.B 4.C 5.D 6.A 7.AC 8.B 9.D 10.D二、判斷題1.對 2.錯 3.對 4.對 5.對 6.對 7.對 8.對 9.對 10.對三、填空題1.ID3 2.卡方信息增益平均互信息期望交叉熵 3.7 4.解析解（閉式解）數值解 5.代價函數目標函數 6.特征選擇 7.誤差（Error） 8.一組連接一個加法器一個激活函數 9.有監督Hebb算法單層感知器梯度LMS算法 10.大小長四、簡答題1、答：Logistic回歸目的是從特征學習出一個0/1分類模型，而這個模型是將特性的線性組合作為自變量，由于自變量的取值范圍是負無窮到正無窮。因此，使用logistic函數（或稱作sigmoid