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(xué)年第1學(xué)期）考試科目機(jī)器學(xué)習(xí)-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(xué)號姓名考試科目裝訂線1、下列哪一項能反映出X和Y之間的強(qiáng)相關(guān)性？（）A.相關(guān)系數(shù)為0.9B.對于無效假設(shè)β=0的p值為0.0001C.對于無效假設(shè)β=0的t值為30D.以上說法都不對2、機(jī)器學(xué)習(xí)中做特征選擇時，可能用到的方法有？（多選）（）A.卡方B.信息增益C.平均互信息D.期望交叉熵3、以下說法中正確的是（）A.SVM對噪聲（如來自其他分部的噪聲樣本）具備魯棒性B.在adaboost算法中，所有被分錯樣本的權(quán)重更新比例相同C.boosting和bagging都是組合多個分類器投票的方法，二者都是根據(jù)單個分類器的正確率確定其權(quán)重D.給定n個數(shù)據(jù)點，如果其中一半用于訓(xùn)練，一半用戶測試，則訓(xùn)練 誤差和測試誤差之間的差別會隨著n的增加而減少4、以下描述錯誤的是（）A.SVM是這樣一個分類器，它尋找具有最小邊緣的超平面，因此它也經(jīng)常被稱為最小邊緣分類器B.在聚類分析當(dāng)中，簇內(nèi)的相似性越大，簇間的差別越大，聚類的效果就越差C.在決策樹中，隨著樹中結(jié)點輸變得太大，即使模型的訓(xùn)練誤差還在繼續(xù)降低，但是檢驗誤差開始增大，這是出現(xiàn)了模型擬合不足的原因D.聚類分析可以看作是一種非監(jiān)督的分類5、若在二維空間中線性不可分，SVM算法會通過（）方法解決。A.核函數(shù)B.激活函數(shù)C.剪枝D.特征選擇6、線性回歸能完成的任務(wù)是（）A.預(yù)測離散值B.預(yù)測連續(xù)值C.分類D.聚類7、產(chǎn)量（X，臺）與單位產(chǎn)品成本（y,元/臺）之家你的回歸方程為y=356-1.5x，這說明（）A.產(chǎn)量每增加一臺，單位產(chǎn)品成本增加356元B.產(chǎn)品每增加一臺，單位產(chǎn)品的成本減少1.5元C.產(chǎn)量每增加一臺，單位產(chǎn)品的成本平均增加356元D.產(chǎn)量每增加一臺，單位產(chǎn)品成本平均減少1.5元8、下面哪個是通用的模型逼近器？

（）

A.KernelSVM

B.NeuralNetworks

C.BoostedDecisionTrees

D.Alloftheabove

9、下面那個問題可以用深度學(xué)習(xí)來解決？（）

A.蛋白質(zhì)結(jié)構(gòu)預(yù)測

B.化學(xué)反應(yīng)的預(yù)測

C.外來粒子的檢測

D.以上所有

10、當(dāng)您在CNN中使用1×1卷積時，以下哪個語句是真實的？（）A.Itcanhelpindimensionalityreduction

B.Itcanbeusedforfeaturepooling

C.Itsufferslessoverfittingduetosmallkernelsize

D.Alloftheabove

二、判斷題（本大題共10小題，每題1分，共10分）1、邏輯回歸的目的就是提高二分類的效率。（）2、SGD計算根據(jù)全部樣本構(gòu)造出來的代價函數(shù)的梯度。（）3、用線性代數(shù)的方式描述函數(shù)或者方程的好處之一是書寫方便。（）4、Π是求積符號。（）5、Σ是求和符號。（）6、回歸任務(wù)是預(yù)測連續(xù)值。（）7、分類任務(wù)是預(yù)測連續(xù)值。（）8、集成學(xué)習(xí)：可以用作抽樣分布，從原始數(shù)據(jù)集中提取出自主樣本集。 （）9、基學(xué)習(xí)器可以使用權(quán)值學(xué)習(xí)有利于高權(quán)值樣本的模型。（）10、Boosting：每一輪的訓(xùn)練集不變，只是訓(xùn)練集中每個樣本的權(quán)重發(fā)生變化，權(quán)值根據(jù)上一輪的預(yù)測結(jié)果進(jìn)行調(diào)整。（）三、填空（本大題共10小題，每題3分，共30分）1、求函數(shù)機(jī)制的方法有兩大類，分別是和。2、機(jī)器學(xué)習(xí)中做特征選擇時，可能用到的、、、。3、算法在決策樹生成的過程中，用信息增益比來選擇特征。4、Gini指數(shù)越小表示集合中被選中的樣本被分錯的概率越小，也就是說集合的純度。5、p(x|θ)是給定參數(shù)θ的概率分布：。6、馬式距離的特征則是：。7、一個表示一組有序排列的數(shù)。通過次序中的索引，我們可以確定每個單獨(dú)的數(shù)。8、Adaboost算法不需要預(yù)先知道的錯誤率上限，且最后得到的的分類精度依賴于所有弱分類器的分類精度，可以深挖分類器的能力,Adaboost可以根據(jù)弱分類器的反饋，自適應(yīng)地調(diào)整假定的錯誤率，執(zhí)行的效率高。9、Adaboost可以在不改變訓(xùn)練數(shù)據(jù)，只改變，使得數(shù)據(jù)在不同學(xué)習(xí)器中產(chǎn)生不同作用，類似于重采樣。10、關(guān)聯(lián)規(guī)則挖掘問題可以劃分成兩個子問題：發(fā)現(xiàn)和生成。四、簡答題（本大題共3小題，共30分）1、有數(shù)據(jù)集D1，其中樣本的特征是離