一、单选题 (题数:10,共 95.0 分)

1Nave Bayes是一种特殊的Bayes分类器,特征变量是X,类别标签是C,它的一个假定是()(10.0分)10.0 分
A、
各类别的先验概率P©是相等的
B、
P(X|C)是高斯分布
C、
以0为均值,sqr(2)/2为标准差的正态分布
D、
特变量X的各个维度是类别条件独立随机变量
正确答案: D 我的答案:D
答案解析:

2
下面关于ID3算法中说法错误的是( )

(5.0分)5.0 分
A、
ID3算法是一个二叉树模型

B、
选取信息增益最大的特征,作为树的根节点

C、
ID3算法要求特征必须离散化

D、
信息增益可以用熵,而不是GINI系数来计算

正确答案: A 我的答案:A
答案解析:

3以下属于欧式距离特性的有()(10.0分)10.0 分
A、
不受量纲影响的特性
B、
旋转不变性
C、
尺度缩放不变性
D、
考虑了模式的分布
正确答案: B 我的答案:B
答案解析:

4以下属于不凸函数的是( )(10.0分)10.0 分
A、
x的平方
B、
x的立方
C、
log x
D、
e的x次方
正确答案: D 我的答案:D
答案解析:

5以下不属于影响聚类算法结果的主要因素有()(10.0分)10.0 分
A、
分类准则
B、
模式相似性测度
C、
已知类别的样本质量
D、
特征选取
正确答案: C 我的答案:C
答案解析:

6以下哪些方法不可以直接来对文本分类?(10.0分)10.0 分
A、
Kmeans
B、
决策树
C、
支持向量机
D、
KNN
正确答案: A 我的答案:A
答案解析:

7影响基本K-均值算法的主要因素有()(10.0分)10.0 分
A、
样本规模
B、
模式相似性测度
C、
聚类准则
D、
样本输入顺序
正确答案: B 我的答案:B
答案解析:

8关于logit回归和SVM 不正确的是( )(10.0分)10.0 分
A、
Logit回归的输出就是样本属于正类别的几率,可以计算出概率。
B、
SVM的目标是找到使得训练数据尽可能分开且分类间隔最大的超平面,应该属于结构风险最小化。
C、
SVM可以通过正则化系数控制模型的复杂度,避免过拟合。
D、
Logit回归本质上是一种根据样本对权值进行极大似然估计的方法,而后验概率正比于先验概率和似然函数的乘积。logit仅仅是最大化似然函数,并没有最大化后验概率,更谈不上最小化后验概率。
正确答案: D 我的答案:D
答案解析:

9在其它条件不变的前提下,以下哪种做法容易引起机器学习中的过拟合问题( )(10.0分)10.0 分
A、
SVM算法中使用高斯核/RBF核代替
B、
减少神经网络隐藏层节点数
C、
删除稀疏的特征
D、
增加训练集数量
正确答案: A 我的答案:A
答案解析:

10
一个二进制源X发出符号集为{-1,1},经过离散无记忆信道传输,由于信道中噪音的存在,接收端Y收到符号集为{-1,1,0}。已知P(x=-1)=1/4,P(x=1)=3/4,P(y=-1|x=-1)=4/5,P(y=0|x=-1)=1/5,P(y=1|x=1)=3/4,P(y=0|x=1)=1/4,求条件熵H(Y|X)( )

(10.0分)10.0 分
A、
0.5372

B、
0.5273

C、
0.3275

D、
0.2375

正确答案: D 我的答案:D

机器学习-测试一(学习通)相关推荐

  1. 【经验】刚读硕士怎么感觉学机器学习和深度学习越学越不懂?

    有同学问:研一,在学机器学习和深度学习,为什么感觉越学越不会,怎么解决这个问题? 我搜集了一些意见和建议,供参考. 高赞回答一 作者:曲終人不散丶 来源:知乎 我的研一我记得是先找了一本比较薄的,通俗 ...

  2. 人工智能:为什么很多机器学习和深度学习的论文复现不了?

    吴恩达老师曾经说过,看一篇论文的关键,是复现作者的算法. 然而,很多论文根本就复现不了,这是为什么呢? 一.数据关系 因为作者使用的数据比较私密,一般人拿不到,这种情况下,即使作者提供了源代码,但是读 ...

  3. 机器学习和深度学习的主要术语(中英)

    文章目录 深度学习部分 tensorflow2中英文术语 Reference 前言 本文参考谷歌官网对机器学习术语的解释,进行总结并加以描述. 什么是机器学习?简单来说,机器学习系统通过学习如何组合输 ...

  4. 人工智能-概述:数据分析---->人工智能【机器学习----->深度学习】

    一.人工智能-简介 人工智能在现实生活中的应用 人工智能发展必备三要素 人工智能和机器学习.深度学习三者之间的关系 BI(数据分析.数据挖掘): Excel: 超级Excel(SPSS.SAS): M ...

  5. SACC2018:机器学习与深度学习如何助力企业业务?

    对于企业来讲,一个好的企业架构对企业业务来讲是一个良好的开端,有效的企业架构对企业的生存和成功具有决定性的作用,是企业通过IT获得竞争优势的不可缺少的手段.就在今年的10月17日~19日,为期三天的第 ...

  6. [论文解读]关于机器学习测试,看这一篇论文就够了 Machine Learning Testing: Survey ,Landscapes and Horizons

    Machine Learning Testing: Survey ,Landscapes and Horizons 文章目录 Machine Learning Testing: Survey ,Lan ...

  7. 林轩田机器学习基石课程学习笔记1 -- The Learning Problem

    来源 | AI 算法与图像处理 主要内容 What is Machine Learning Applications of Machine Learning Components of Machine ...

  8. 揭秘人工智能、机器学习和深度学习的神秘面纱

    1 题记 AI.机器学习.监督学习.无监督学习.分类.决策树.聚类.深度学习和算法.深度学习.机器学习,人工智能--这些时下流行语代表着对未来技术的分析. 在这篇文章中,我们将通过现实世界中成熟的例子 ...

  9. 2020上半年收集到的优质AI文章 – 机器学习和深度学习

    2020上半年收集到的优质AI文章 – 机器学习和深度学习 一文读懂机器学习 机器学习应补充哪些数学基础? 简单梳理一下机器学习可解释性(Interpretability) 什么是CNN?机器学习入门 ...

  10. 干货丨机器学习和深度学习概念入门

    对于很多初入学习人工智能的学习者来说,对人工智能.机器学习.深度学习的概念和区别还不是很了解,有可能你每天都能听到这个概念,也经常提这个概念,但是你真的懂它们之间的关系吗?那么接下来就给大家从概念和特 ...

最新文章

  1. Sap Byd Soap使用 SSL 客户端证书
  2. linux拨号上网的命令,LINUX下ADSL拨号上网
  3. Unity 2D游戏开发教程之精灵的死亡和重生
  4. linux挂载盘符扫描,Linux下挂载ISCSI的盘符问题
  5. 深度丨机器学习的理论局限性与因果推理的七大特性zhuan'z
  6. 上所说的计算机主机是什么意思,通常所说的主机指什么
  7. muduo网络库学习(六)缓冲区Buffer及TcpConnection的读写操作
  8. Tengine---nginx平台初探
  9. Sublime Text for Mac 如何格式化代码
  10. vim下php文件中自动缩排html代码
  11. 【PAT - 甲级 - 1018】Public Bike Management (带权最短路,多条最短路中加条件,DFS)
  12. 操作系统之进程管理:5、处理机调度
  13. Vue2.0 + ElementUI 手写权限管理系统后台模板(三)——页面搭建
  14. 搭建elasticsearch可视化插件
  15. Hexagon DSP系列记录(二)——写Hexagon DSP程序流程
  16. 激活函数:阶跃函数、sigmoid函数、ReLU函数、softmax函数
  17. spring boot儿童教育管理系统毕业设计源码281442
  18. 吴军给女儿的信:乐观的人生态度,比什么都重要
  19. 用 texstudio, 外部 pdf 浏览器查看可以正常显示中文, 但是内置的 pdf 浏览器不能显示中文?
  20. LeetCode 9. 回文数 Palindrome Number

热门文章

  1. 东南西北十字图_怎么折纸东南西北图解 手工东南西北折法玩法
  2. 学生会招新PPT模板
  3. ISO文件镜像部署至云(镜像文件格式转换)
  4. 华为 seco pc版下载_口袋兼职电脑版下载_口袋兼职pc版最新下载[生活服务]
  5. OSGL 工具库 - IO 操作的艺术
  6. 接口文档管理工具-Postman、Swagger、RAP
  7. CentOS6.9 Min UEFI failed to create screen故障
  8. 从“惊群”的现象来看并发锁,“死锁”问题的解决方案丨Redis单线程|共享内存|无锁实现|原子操作CAS
  9. mysql数据转化为rdf_灏嗗叧绯绘暟鎹浆鎹负 RDF 鏍煎紡
  10. 《实变函数简明教程》,第四章:Lebesgue积分,在可测集E上Lebesgue可积的函数f在E的可测子集F上仍Lebesgue可积