第一章 单元测试

1、 问题:机器学习是一种：（ ）
选项：
A:人工智能子领域
B:数据分析工具
C:算法库
D:编程语言
答案: 【
人工智能子领域
】

2、 问题:以下哪种算法是无监督学习算法？（ ）
选项：
A:决策树
B:支持向量机
C:K均值聚类
D:朴素贝叶斯
答案: 【
K均值聚类
】

3、 问题:在机器学习中，过拟合是指：（ ）
选项：
A:模型无法适应新数据
B:模型过于简单
C:模型过于复杂
D:模型的精度较低
答案: 【
模型过于复杂
】

4、 问题:监督学习中，分类问题的输出是离散值，而回归问题的输出是连续值。（ ）
选项：
A:对
B:错
答案: 【
对
】

5、 问题:机器学习中的特征工程是指对原始数据进行预处理。（ ）
选项：
A:对
B:错
答案: 【
对
】

第二章 单元测试

1、 问题:训练一个机器学习模型往往需要对大量的参数进行反复调试或者搜索，这一过程称为调参。其中在训练之前调整设置的参数称为超参数。（ ）
选项：
A:对
B:错
答案: 【
对
】

2、 问题:线性回归的目标是求解w和b，使得f(x)和y尽可能接近。求解线性回归模型的基本方法是最小二乘法。（ ）
选项：
A:对
B:错
答案: 【
对
】

3、 问题:根据模型预测输出的连续性，可以将机器学习算法适配的问题划分为分类问题和线性问题。（ ）
选项：
A:对
B:错
答案: 【
错
】

4、 问题:如果两个变量相关，那么它们一定是线性关系。（ ）
选项：
A:对
B:错
答案: 【
错
】

5、 问题:以下（ ）变量之间存在线性回归关系。
选项：
A:学生的性别与他的成绩
B:儿子的身高与父亲的身高
C:正方形的边长与面积
D:正三角形的边长与周长
答案: 【
正三角形的边长与周长
】

6、 问题:回归问题和分类问题的区别是（ ）。
选项：
A:回归问题有标签，分类问题没有
B:回归问题输出值是离散的，分类问题输出值是连续的
C:回归问题输出值是连续的，分类问题输出值是离散的
D:回归问题与分类问题在输入属性值上要求不同
答案: 【
回归问题输出值是连续的，分类问题输出值是离散的
】

7、 问题:以下说法错误的是（ ）。
选项：
A:残差是预测值与真实值之间的差值
B:损失函数越小，模型训练得一定越好
C:正则项的目的是为了避免模型过拟合
D:最小二乘法不需要选择学习率
答案: 【
损失函数越小，模型训练得一定越好
】

8、 问题:以下（ ）方法不能用于处理欠拟合。
选项：
A:增大正则化系数
B:增加新的特征
C:增加模型复杂度
D:对特征进行变换，使用组合特征或高维特征
答案: 【
增大正则化系数
】

9、 问题:以下（ ）是使用数据规范化（特殊缩放)的原因。
选项：
A:它通过降低梯度下降的每次迭代的计算成本来加速梯度下降
B:它通过减少迭代次数来获得一个好的解，从而加快了梯度下降的速度
C:它不能防止梯度下降陷入局部最优
D:它防止矩阵XTX不可逆（奇异/退化）
答案: 【
它通过降低梯度下降的每次迭代的计算成本来加速梯度下降
它通过减少迭代次数来获得一个好的解，从而加快了梯度下降的速度
它不能防止梯度下降陷入局部最优
】

10、 问题:线性回归中，我们可以使用最小二乘法来求解系数，下列关于最小二乘说法正确的是（ ）。
选项：
A:只适用于线性模型，不适合逻辑回归模型等其他模型
B:不需要选择学习率
C:当特征数量很多的时候，运算速度会很慢
D:不需要迭代训练
答案: 【
只适用于线性模型，不适合逻辑回归模型等其他模型
不需要选择学习率
当特征数量很多的时候，运算速度会很慢
不需要迭代训练
】

第三章 单元测试

1、 问题:逻辑回归是一种什么类型的算法？（ ）
选项：
A:分类算法
B:聚类算法
C:回归算法
D:关联规则算法
答案: 【
分类算法
】

本门课程剩余章节答案为付费内容
本文章不含期末不含主观题！！
本文章不含期末不含主观题！！
支付后可长期查看
有疑问请添加客服QQ 2356025045反馈
如遇卡顿看不了请换个浏览器即可打开
请看清楚了再购买哦，电子资源购买后不支持退款哦
点我支付 ¥5
  已支付？输入手机号或商家订单号阅读