人工智能模擬練習題與答案1、基于（）的搜索是使用最為廣泛的參數(shù)尋優(yōu)方法A、梯度B、維度C、縱向D、橫向答案：A2、“文檔”是待處理的數(shù)據(jù)對象，它由一組詞組成，這些詞在文檔中不計順序的額，例如一篇論文、一個網(wǎng)頁都可以看做一個文檔；這樣的表示方式稱為(___)？A、語句B、詞袋C、詞海D、詞塘答案：B3、從一個初始策略出發(fā)，不斷迭代進行策略評估和改進，直到策略收斂、不再改變?yōu)橹?，這樣的作法稱為(___)A、策略迭代B、值迭代C、策略改進D、最優(yōu)值函數(shù)答案：A4、代碼arr3=np.array（[[1,2,3],[4,5,6]]）.transpose（）;print（arr3[1,1]）的輸出結(jié)果是（）？A、5B、4C、3D、$2答案：A5、知識圖譜中的實體統(tǒng)一主要的目的是？A、從文本中提取實體B、從實體間提取關(guān)系C、不同寫法的實體統(tǒng)一為一個實體D、明確代詞指向哪個實體答案：C6、人工智能的分類（）A、AGN和AGIB、ANI和ANGC、ANG和AGID、ANI和AGI答案：D7、設(shè)X是隨機變量，且EX=DX,則X服從（）分布A、二項B、泊松C、正態(tài)D、指數(shù)答案：B8、從產(chǎn)品形態(tài)看，以下()屬于數(shù)據(jù)產(chǎn)品中的知識類產(chǎn)品。A、規(guī)約數(shù)據(jù)B、摘錄C、規(guī)則庫D、數(shù)據(jù)業(yè)務(wù)化答案：C9、數(shù)據(jù)可視化技術(shù)可以將所有數(shù)據(jù)的特性通過（）的方式展現(xiàn)出來A、文字B、圖C、表格D、樹答案：B10、根據(jù)numpy數(shù)組中ndim屬性的含義確定程序的輸出（）。array=np.array（[[1,2,3],[4,5,6],[7,8,9],[10,11,12]]）;print（array.ndim）A、（3,4）B、2C、（4,3）D、$4答案：B11、貝葉斯網(wǎng)結(jié)構(gòu)有效地表達了屬性間的條件()A、獨立性B、一致性C、有效性D、相關(guān)性答案：A12、假設(shè)12個銷售價格記錄組已經(jīng)排序如下：5,10,11,13,15,35,50,55,72,92,204,215使用如下每種方法將它們劃分成四個箱。等頻（等深）劃分時，15在第幾個箱子內(nèi)？A、第一個B、第二個C、第三個D、第四個答案：B13、在方差分析中，()反映的是樣本數(shù)據(jù)與其組平均值的差異。A、總離差B、組間誤差C、抽樣誤差D、組內(nèi)誤差答案：D14、下列極大似然估計描述錯誤的是(___)A、極大似然估計先假定其具有某種確定的概率分布形式；B、極大似然估計沒有確定的概率分布形式；C、概率模型的訓練過程就是參數(shù)估計；D、貝葉斯學派認為參數(shù)本身也有分布，是未觀察的隨機變量；答案：B15、NaveBayes（樸素貝葉斯）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PC是相等的B、以0為均值，sqr2/2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、PX|C是高斯分布答案：C16、話題模型的典型代表是(___)。A、貝葉斯模型B、拉普拉模型C、隱狄利克雷模型D、馬爾可夫模型答案：C17、某超市研究銷售紀錄數(shù)據(jù)后發(fā)現(xiàn)，買啤酒的人很大概率也會購買尿布，這種屬于數(shù)據(jù)挖掘的哪類問題？A、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)B、聚類C、分類D、自然語言處理答案：A18、對于一個分類任務(wù)，如果開始時神經(jīng)網(wǎng)絡(luò)的權(quán)重不是隨機賦值的，而是都設(shè)成0，下面哪個敘述是正確的？A、其他選項都不對B、沒啥問題，神經(jīng)網(wǎng)絡(luò)會正常開始訓練C、神經(jīng)網(wǎng)絡(luò)可以訓練，但是所有的神經(jīng)元最后都會變成識別同樣的東西D、神經(jīng)網(wǎng)絡(luò)不會開始訓練，因為沒有梯度改變答案：C19、卷積的擴展方式是加（）：一個卷積核可以提取圖像的一種特征，多個卷積核提取多種特征。A、濾波器B、卷積層C、卷積核D、通道答案：C20、以下哪一個不屬于分類算法A、XGBoostB、RandomForestC、SVMD、Fp-Growth答案：D21、以下屬于生成式模型的是：（）A、SVMB、隨機森林C、隱馬爾可夫模型HMMD、邏輯回歸答案：C22、感知機描述錯誤的是：(___)A、感知機根據(jù)正確的程度進行權(quán)重調(diào)整；B、輸入層接收外界輸入信號傳遞給輸出層；C、輸出層是M-P神經(jīng)元；D、感知機能容易實現(xiàn)邏輯與、或、非運算；答案：A23、一次數(shù)據(jù)清洗操作得到的僅僅是“中間數(shù)據(jù)”，而不一定是“干凈數(shù)據(jù)”。因此我們需要對這些可能含有“臟數(shù)據(jù)”的“中間數(shù)據(jù)”進行再次（），進而判斷是否需要再次清洗。A、轉(zhuǎn)換工作B、審計工作C、集成工作D、標注工作答案：B24、計算numpy中元素個數(shù)的方法()A、np.sqrtB、np.sizeC、np.identityD、np.sum答案：B25、下列關(guān)于XGboost算法描述中錯誤的是A、由于其特殊原因，無法分布式化B、xgboost在代價函數(shù)里加入了正則項，用于控制模型的復(fù)雜度；C、可以處理帶有缺失值的樣本D、允許使用列抽樣來減少過擬合答案：A26、目標檢測常用性能指標的是（）A、信噪比B、平方誤差C、mAPD、分辨率答案：C27、一組數(shù)據(jù)的最大值與最小值之差叫做()。A、標準差B、極差C、方差D、極小值答案：B28、特征選擇是一個重要的()過程，在現(xiàn)實機器學習任務(wù)中，獲得數(shù)據(jù)之后通常先進行特征選擇，此后再訓練學習器。A、數(shù)據(jù)預(yù)處理B、數(shù)據(jù)清洗C、數(shù)據(jù)選擇D、數(shù)據(jù)分析答案：A29、在Matplotlib庫中，plt.savefig()將輸出圖形存儲為文件，默認為（）格式，可以通過dpi修改輸出質(zhì)量。A、PNGB、JPEGC、JPGD、PS答案：A30、假如我們建立一個60000個特征，1000萬數(shù)據(jù)集的機器學習模型，我們怎么有效的應(yīng)對這樣的大規(guī)模數(shù)據(jù)的訓練A、對樣本進行抽樣，在經(jīng)過抽樣的樣本上訓練B、應(yīng)用PCA算法降維，減少特征數(shù)量C、根據(jù)重要性對特征進行篩選D、以上所有答案：D31、根據(jù)（），目前的集成學習方法大致可分為兩大類，即個體學習器間存在強依賴關(guān)系、必須串行生成的序列化方法，以及個體學習器間不存在強依賴關(guān)系、可同時生成的并行化方法。A、個體學習器的數(shù)量B、個體學習器的生成方式C、個體學習器的的類型D、個體學習器的的強弱答案：B32、人工智能的概念最早是由哪一位科學家提出來的A、約翰·麥卡錫B、圖林C、馮·諾依曼D、明斯基答案：A33、如果問題存在最優(yōu)解，則下面幾種搜索算法中，（）可以認為在這幾種算法中是“智能程度相對比較高”的算法。A、廣度優(yōu)先搜索B、深度優(yōu)先搜索C、有界深度優(yōu)先搜索D、啟發(fā)式搜索答案：D34、如何解釋下面的執(zhí)行結(jié)果?print1.2-1.0==0.2FalseA、Python的實現(xiàn)有錯誤B、浮點數(shù)無法精確表示C、布爾運算不能用于浮點數(shù)比較D、Python將非0數(shù)視為False答案：B35、循環(huán)神經(jīng)網(wǎng)在工業(yè)上最常用的兩種實現(xiàn)是：①.LSTM②.GRU③.CNN④.DNNA、①③B、①②C、①③D、①④答案：B36、在一個神經(jīng)網(wǎng)絡(luò)中，知道每一個神經(jīng)元的權(quán)重和偏差是最重要的一步。如果知道了神經(jīng)元準確的權(quán)重和偏差，便可以近似任何函數(shù)，但怎么獲知每個神經(jīng)的權(quán)重和偏移呢？（）A、搜索每個可能的權(quán)重和偏差組合，直到得到最佳值B、賦予一個初始值，然后檢查跟最佳值的差值，不斷迭代調(diào)整權(quán)重C、隨機賦值，聽天由命D、以上都不正確的答案：B37、（）是一個主要用于繪制二維圖形的Python庫。用途：繪圖、可視化.A、numpyB、pandasC、MatplotlibD、PIL答案：C38、下列哪個函數(shù)不可以做非線性激活函數(shù)？（）A、y=tanhxB、y=sinxC、y=maxx,0D、y=2x答案：D39、以下哪類算法是分類算法()。A、K-MeanB、DBSCANC、EMD、C4.5答案：D40、AI是（）的英文縮寫。A、AutomaticIntelligenceB、ArtificalIntelligenceC、AutomaticeInformationD、ArtificalInformation答案：B41、fromsklearnimportlinear_modelreg=linear_model.Lasso，其中Lasso是用來擬合什么樣的線性模型的？A、稀疏數(shù)據(jù)B、稀疏系數(shù)C、稀疏標簽答案：B42、下列代碼運行結(jié)果是？a='a'printa>'b'or'c'A、aB、bC、cD、TRUE答案：C43、在自動定理證明研究方面在國際上有影響的我國知名科學家是：A、錢學森B、華羅庚C、宋健D、吳文俊答案：D44、以下關(guān)于Python循環(huán)結(jié)構(gòu)的描述中,錯誤的是()。A、while循環(huán)使用關(guān)鍵字continue結(jié)束本次循環(huán)B、while循環(huán)可以使用保留字break和continueC、while循環(huán)也叫遍歷循環(huán),用來遍歷序列中的元素,默認提取每個元素并執(zhí)行一次循環(huán)體D、while循環(huán)使用pass語句,則什么事也不做,只是空占位語句答案：C45、線性降維方法假設(shè)從高維空間到低維空間的函數(shù)映射是（）。A、一元B、線性C、多元D、非線性答案：B46、在安裝Linux操作系統(tǒng)時，必須創(chuàng)建的兩個分區(qū)?A、/和/bootB、/和/swapC、/home和/usrD、/var和/trap答案：B47、用于終止某一進程執(zhí)行的命令是（）A、endB、stopC、killD、free答案：C48、線性判別分析設(shè)法將樣例投影到(___)直線上，使得同類樣例的投影點盡可能(___)。A、一條；接近B、兩條；接近C、一條；遠離D、兩條；原理答案：A49、下列哪項關(guān)于模型能力的描述是正確的（指模型能近似復(fù)雜函數(shù)的能力）A、隱層層數(shù)增加，模型能力增加B、Dropout的比例增加，模型能力增加C、學習率增加，模型能力增加D、都不正確答案：A50、考慮值集{12243324556826}，其四分位數(shù)極差是：（）A、31B、24C、55D、$3答案：A51、下列哪種類型是Python的映射類型A、strB、listC、tupleD、dict答案：D52、下列哪項關(guān)于模型能力（modelcapacity）的描述是正確的？（指神經(jīng)網(wǎng)絡(luò)模型能擬合復(fù)雜函數(shù)的能力）A、隱藏層層數(shù)增加，模型能力增加B、Dropout的比例增加，模型能力增加C、學習率增加，模型能力增加D、都不正確答案：A53、列表a=[1,2,[3,4]]，以下的運算結(jié)果為True的是（）。A、lena==3B、lena==4C、lengtha==3D、lengtha==4答案：A54、在圖靈測試中，如果有超過（）的測試者不能分清屏幕后的對話者是人還是機器，就可以說這臺計算機通過了測試并具備人工智能.A、30%B、40%C、50%D、60%答案：A55、K-Means算法無法聚以下哪種形狀的樣本A、圓形分布B、螺旋分布C、帶狀分布D、凸多邊形分布答案：B56、在Python中，函數(shù)（）。A、不可以嵌套定義B、不可以嵌套調(diào)用C、不可以遞歸調(diào)用D、以上都不對答案：D57、()的輸入為對弈的線路或歷史記錄，而其輸出為目標函數(shù)的一系列訓練樣本。A、執(zhí)行器B、評價器C、泛化器D、實驗生成器答案：B58、根據(jù)機器智能水平由低到高，正確的是（）A、計算智能、感知智能、認知智能B、計算智能、感應(yīng)智能、認知智能C、機器智能、感知智能、認知智能D、機器智能、感應(yīng)智能、認知智能答案：A59、在目標檢測中，以下能產(chǎn)生候選框的算法是（）a)SelectiveSearchb)ROIpoolingc)RegionproposallayerA、b、cB、a、bC、aD、a、c答案：D60、ILP系統(tǒng)通常采用(___)的規(guī)則生成策略A、自底而上B、自頂而下C、自大而小D、自小而大答案：A61、()是一種單隱層前饋神經(jīng)網(wǎng)絡(luò)，它使用徑向基函數(shù)作為隱層神經(jīng)元激活函數(shù)，而輸出層則是對隱層神經(jīng)元輸出的線性組合A、SOM網(wǎng)絡(luò)B、RBF網(wǎng)絡(luò)C、ART網(wǎng)絡(luò)D、ELman網(wǎng)絡(luò)答案：B62、數(shù)據(jù)的存儲結(jié)構(gòu)分為兩種，它們是（）A、線性存儲和數(shù)組存儲B、順序存儲和鏈式存儲C、線性存儲和樹型存儲D、數(shù)組存儲和指針存儲答案：B63、（）的數(shù)目通常也被稱作卷積核的個數(shù)A、通道B、輸入通道C、輸入維度D、輸出通道答案：D64、2019年，DeepMind開發(fā)出一種（）來近似計算薛定諤方程，在精度和準確性上都滿足科研標準，為深度學習在量子化學領(lǐng)域的發(fā)展奠定了基礎(chǔ)，A、深度神經(jīng)網(wǎng)絡(luò)B、費米神經(jīng)網(wǎng)絡(luò)C、卷積神經(jīng)網(wǎng)絡(luò)D、循環(huán)神經(jīng)網(wǎng)絡(luò)答案：B65、以下關(guān)于Bagging（裝袋法）的說法不正確的是A、能提升機器學習算法的穩(wěn)定性和準確性，但難以避免overfittingB、Bagging（裝袋法）是一個統(tǒng)計重采樣的技術(shù),它的基礎(chǔ)是BootstrapC、主要通過有放回抽樣）來生成多個版本的預(yù)測分類器,然后把這些分類器進行組合D、進行重復(fù)的隨機采樣所獲得的樣本可以得到?jīng)]有或者含有較少的噪聲數(shù)據(jù)答案：A66、決策樹模型剛建立時,有很多分支都是根據(jù)訓練樣本集合中的異常數(shù)據(jù)（由于噪聲等原因）構(gòu)造出來的。樹枝修剪正是針對這類數(shù)據(jù)（）問題而提出來的。A、近似B、相同C、不同D、差距答案：A67、下列哪項不是目前深度學習的必備技術(shù)？A、卷積可視化解釋B、反向傳播算法C、非線性激活函數(shù)D、深度神經(jīng)網(wǎng)絡(luò)答案：A68、下面的問題，哪一個屬于分類問題的是（）A、根據(jù)員工的薪水、工作壓力、成長環(huán)境、工作年限、績效考核等數(shù)據(jù)，預(yù)測員工下一季度的銷售額B、根據(jù)員工的薪水、工作壓力、成長環(huán)境、工作年限、績效考核等數(shù)據(jù)，預(yù)測員工下一季度的績效考核分數(shù)C、根據(jù)員工的薪水、工作壓力、成長環(huán)境、工作年限、績效考核等數(shù)據(jù)，預(yù)測員工在接下來一段時間內(nèi)的工資漲幅D、根據(jù)員工的薪水、工作壓力、成長環(huán)境、工作年限、績效考核等數(shù)據(jù)，預(yù)測員工是否可能會在接下來的一段時間內(nèi)離職答案：D69、以下()不屬于廣義上的數(shù)據(jù)可視化技術(shù)。A、類別可視化B、科學可視化C、信息可視化D、可視分析學答案：A70、EM算法是（）A、有監(jiān)督B、無監(jiān)督C、半監(jiān)督D、都不是答案：B71、FOIL是(___)的學習算法A、命題規(guī)則B、剪枝優(yōu)化C、一階規(guī)則D、序貫覆蓋答案：C72、()通過構(gòu)建并結(jié)合多個學習器來完成學習任務(wù)，有時也被稱為多分類器系統(tǒng)(multi-classifiersystem)、基于委員會的學習(committee-basedlearning)等A、集成學習B、歸納學習C、分類學習D、整理學習答案：A73、定義bash環(huán)境的用戶文件是：A、bash&.bashrcB、bashrc&.bash_confC、bashrc&bash_profileD、bashrc&.bash_profile答案：D74、如果我使用數(shù)據(jù)集的全部特征并且能夠達到100%的準確率，但在測試集上僅能達到70%左右，這說明：（）。A、欠擬合B、模型很棒C、過擬合答案：C75、語義網(wǎng)絡(luò)表達知識時，有向弧AKO鏈、ISA鏈表達節(jié)點知識的（）A、無悖性B、可擴充性C、繼承性D、完整性答案：C76、下列哪部分不是專家系統(tǒng)的組成部分（）。A、用戶B、綜合數(shù)據(jù)庫C、推理機D、知識庫答案：A77、哪個范數(shù)指向量中各個元素平方和的1/2次方A、p范數(shù)B、0范數(shù)C、1范數(shù)D、2范數(shù)答案：D78、函數(shù)f(x)＝x^3－3x^2－9x＋k在區(qū)間[－4,4]上的最大值為10，則其最小值為()A、-10B、-71C、-15答案：B79、根據(jù)機器智能水平由低到高，正確的排序是（）。A、計算智能、感知智能、認知智能B、感知智能、認知智能、計算智能C、計算智能、認知智能、感知智能D、認知智能、計算智能、感知智能答案：A80、Boosting的本質(zhì)實際上是一個加法模型，通過改變訓練樣本（）學習多個分類器并進行一些線性組合A、權(quán)重B、分布C、概率D、數(shù)量答案：A81、對比學習的核心訓練信號是圖片的“（）”。A、可預(yù)見性B、可移植性C、可區(qū)分性D、可推理性答案：C82、搜索可以分為盲從搜索與A、啟發(fā)式搜索B、模糊搜索C、精確搜索D、關(guān)鍵詞搜索答案：A83、EM算法通過迭代求L(theta)=logP(Y|theta)的（），每次迭代交替進行求期望和求極大化。A、無偏估計B、極大似然估計C、區(qū)間估計D、有偏估計答案：B84、對零次數(shù)據(jù)進行初步加工，不包括()A、清洗B、變換C、集成D、脫敏答案：D85、下列貝葉斯描述錯誤的是A、貝葉斯是概率框架下實施決策的基本方法B、貝葉斯基于概率和誤判損失來選擇最優(yōu)的類別標記C、貝葉斯中期望損失定義為風險D、貝葉斯判定準則為最大化總體風險答案：D86、信息熵是度量樣本集合(___)最常用的一種指標。A、精確度B、準確率C、召回率D、純度答案：D87、嶺回歸和最小二乘法的算法復(fù)雜度是相同的。A、正確B、錯誤答案：A88、(A->B)∧A=>B是A、附加律B、拒收律C、假言推理D、US答案：C89、下列關(guān)于回歸分析中的殘差表述正確的是()A、殘差的平均值總為零B、殘差的平均值總小于零C、殘差的平均值總大于零D、殘差沒有此類規(guī)律答案：A90、概念分層圖是（）圖A、無向無環(huán)B、有向無環(huán)C、有向有環(huán)D、無向有環(huán)答