2021-05-22

1
如果使用数据集的全部特征并且能够达到100%的准确率，但在测试集上仅能达到70%左右，这说明（）：

A、以上都不对

B、模型很棒

C、欠拟合

D、过拟合

正确答案： D

2
假定你在神经网络中的隐藏层中使用激活函数X，在特定神经元给定任意输入，你会得到输出[-0.0001]，X可能是一下哪一个？

A、tanh

B、其他都不是

C、sigmoid

D、ReLU

正确答案： A

3
在简单线性回归模型中（单自变量），如果改变输入变量1单元，输出变量会变化多少？

A、截距值

B、无变化

C、斜率值

D、1单元

正确答案： C

4
下面关于集成学习算法中错误的是（）？

A、
随机森林和Bagging都属于并行式集成学习方法

B、
Boosting族算法属于序列化集成学习的代表

C、
Boosting族算法属于并行式集成学习方法

D、
Boosting族算法中最著名的代表是AdaBoost

正确答案： C

5
在一个神经网络中，知道每一个神经元的权重和偏差是最重要的一步。如果知道了神经元准确的权重和偏差，便可以近似任何函数，但怎么获知每个神经的权重和偏移呢？

A、
随机赋值，听天由命

B、
赋予一个初始值，然后检查跟最佳值的差值，不断迭代调整权重

C、
搜索每个可能的权重和偏差组合，直到得到最佳值

D、
以上都不正确的

正确答案： B

6
SVM的效率依赖于（）？

A、以上所有

B、核参数

C、软间隔参数

D、核函数的选择

正确答案： A

7
sigmoid函数的导数是（）？

A、1-f(x)

B、f(x)(1−f(x))

C、f(x)(1+f(x))

D、1+f(x)

正确答案： B：

8
在逻辑回归输出与目标对比的情况下，以下评估指标中哪一项不适用？

A、均方误差

B、Logloss

C、AUC-ROC

D、准确度

正确答案： A

9
为了观察测试 Y 与 X 之间的线性关系，X 是连续变量，使用下列哪种图形比较适合？

A、柱形图

B、以上都不对

C、散点图

D、直方图

正确答案： C

10
下面哪一项对梯度下降（GD）和随机梯度下降（SGD）的描述是正确的？

1 在 GD 和 SGD 中，每一次迭代中都是更新一组参数以最小化损失函数。

2 在 SGD 中，每一次迭代都需要遍历训练集中的所有样本以更新一次参数。

3 在 GD 中，每一次迭代需要使用整个训练集的数据更新一个参数。

A、只有 1

B、只有 2

C、都正确

D、只有 3

正确答案： A

二、多选题 （题数：6，共 30.0 分）
1
下列关于查准率和查全率的说法中，正确的是（）？

A、
如果一个学习器的P-R曲线被另一个学习器的曲线完全包住，则后者性能一定优于前者

B、
以查准率为纵轴，查全率为横轴，得到P-R曲线

C、
查准率和查全率是一对矛盾的度量，二者通常不可兼得

D、
若两个学习器的P-R曲线发生交叉，则无法断言（非要比较的话可以比较P-R曲线下的面积，面积大的更好）

正确答案： ABCD

2
多分类学习的分类器一般有以下哪几种策略？

A、一对一

B、多对多

C、一对其余

D、多对一

正确答案： ABC

3
目前的集成学习方法大致分为以下哪两大类（）？

A、并行化方法:个体学习器间不存在强依赖关系,可分别生成.

B、并行化方法:个体学习器间不存在强依赖关系,可同时生成.

C、序列化方法:个体学习器间存在强依赖关系,必须串行生成

D、序列化方法:个体学习器间存在强依赖关系,必须并行生成

正确答案： BC

4
期望泛化误差是下列哪几项之和（）？

A、方差

B、残差

C、噪声

D、偏差

正确答案： ACD

5
在神经网络参数寻优过程中，为了跳出局部最小的状况，我们有哪些策略（）？

A、以多组不同参数值初始化多个神经网络

B、使用模拟退火技术

C、遗传算法

D、使用随机梯度下降法

正确答案： ABCD

6
假如我们利用 Y 是 X 的 3 阶多项式产生一些数据（3 阶多项式能很好地拟合数据）。那么，下列说法正确的是（）？

A、简单的线性回归容易造成低偏差（bias）、高方差（variance）

B、3 阶多项式拟合具备低偏差（bias）、低方差（variance）

C、简单的线性回归容易造成高偏差（bias）、低方差（variance）

D、3 阶多项式拟合会造成低偏差（bias）、高方差（variance）

正确答案： BC

最后

以上就是自然大山为你收集整理的2021-05-22的全部内容，希望文章能够帮你解决2021-05-22所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。