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、產量（X，臺）與單位產品成本（y,元/臺）之家你的回歸方程為y=356-1.5x，這說明（）A。產量每增加一臺，單位產品成本增加356元B。產品每增加一臺，單位產品的成本減少1.5元C.產量每增加一臺，單位產品的成本平均增加356元D。產量每增加一臺，單位產品成本平均減少1.5元2、直線方程y=wx+b,其中b表示（）A.系數B截距C.斜率D權重3、以下描述中，對梯度解釋正確的是（多選）（）A梯度是一個向量，有方向有大小B求梯度就是對梯度向量的各個元素求偏導C梯度只有大小沒有方向D梯度只有方向沒有大小4、關于誤差ε的說法正確的是（多選）（）A誤差可以看做隨機比變量B誤差的概率分布符合正態分布C誤差的概率分布符合均勻分布D如果模型設計優良，誤差可以避免5、標準差與方差的關系是（多選）（）A標準差是方差的算術平方根B標準差可以反映離散程度，也可以反映出樣本的量綱C方差只能反映離散程度D標準差的平方是方差6、SVM中的核技巧（Kernaltrick）的作用包括以下哪項？（）A.特征升維B.特征降維C.防止過擬合D.處理離散數據7、在數據預處理階段，我們常常對數值特征進行歸一化或標準化 (standardization,normalization)處理。這種處理方式理論上不會對下列 哪個模型產生很大影響？（）A.k-MeansB.k-NNC.決策樹D.譜聚類8、下面哪個激活函數在圖像分類中不能作為輸出層？（）

A.sigmoid

B.Tanh

C.ReLU

D.If(x>5,1,0)

9、使用batchnormalization可以解決以下哪一個神經網絡訓練中的 問題？

（）

A.防止梯度消失

B.防止激活過高或者過低

C.網絡訓練太慢

D.B和C10、感知器不包括下面那個結構：（）A.輸入層B.隱藏層C．輸出層D．計算層二、判斷題（本大題共10小題，每題1分，共10分）1、預剪枝是在決策樹生成過程中，對樹進行剪枝，提前結束樹的分支 生長。（）2、決策樹的剪枝基本策略有預剪枝(Pre-Pruning)和后剪枝。（）3、常見的決策樹算法是ID3,C4.5，CART樹。（）4、決策樹的剪枝是為了簡化決策樹模型，避免過擬合。（）5、最小二乘法（又稱最小平方法）是一種數學優化技術。它通過最小化誤差的平方和尋找數據的最佳函數匹配。（）6、樸素貝葉斯（分類器）是一種生成模型，它會基于訓練樣本對每個可能的類別建模。（）7、P(A|B)表示事件B已經發生的前提下，事件A發生的概率，叫做事件B發生下事件A的條件概率。（）8、Boosting：串行，各個及學習器順序生成，因為后一個模型參數依賴于前一輪模型的預測結果。（）9、Bagging：各個學習器可以并行生成。（）10、Adaboost采用迭代的思想，繼承了Boosting算法，每次迭代只訓練一個弱學習器，訓練好的弱學習器將參與下一次迭代。（）三、填空（本大題共10小題，每題3分，共30分）1、在某些情況下，我們會討論坐標超過兩維的數組。一般地，一個數組中的元素分布在若干維坐標的規則網格中，我們將其稱之為。2、回歸常用評估方法：，，。3、信息越有序，信息熵越。4、訓練用到的每個樣本叫。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、提取出的正確信息條數/提取出的信息條數是。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?；貧w往往會通過計算來確定模型的精確性。8、AdaBoost很好的利用了進行級聯。9、AdaBoost可以將不同的作為弱分類器。10、AdaBoost具有很高的精度；相對于和，AdaBoost充分考慮的每個分類器的權重。四、簡答題（本大題共3小題，共30分）1、SVM、LR、決策樹的對比？2、樸素貝葉斯的特點是？3、討論目前機器學習應用中存在的主要問題？一、選擇題1.D 2.B 3.AB 4.AB 5.ABC 6.C 7.C 8.D 9.A 10.D二、判斷題1.對 2.對 3.對 4.對 5.對 6.對 7.對 8.對 9.對 10.對 三、填空題1.張量 2.平均誤差絕對值誤差R2 3.低 4.訓練樣本 5.欠擬合 6.正確率 7.誤差（Error) 8.弱分類器 9.分類算法 10.bagging算法RandomForest算法四、簡答題1、模型復雜度：SVM支持核函數，可處理線性非線性問題;LR模型簡單，訓練速度快，適合處理線性問題;決策樹容易過擬合，需要進行剪枝。損失函數：SVMhingeloss;LRL2正則化;Adaboost指數損失。數據敏感度：SVM添加容忍度對outlier不敏感，只關心支持向量，且需要先做歸一化;LR對遠點敏感。數據量：數據量大就用LR，數據量小且特征少就