2024年5月17日发(作者:)
第一章测试
1. 下列属于机器学习中的监督学习算法有哪些( )。 A:SVM B:ID3
C:AdaBoost D:C4.5 答案:ABCD
2. 下列属于机器学习中的非监督学习算法有哪些( )。 A:Sting B:K-means
C:Dbscan D:Birch 答案:ABCD
3. 下列属于机器学习中的半监督学习算法有哪些( ) A:基于距离的方法 B:基
于流形学习的方法 C:基于差异的方法 D:基于类标签的方法 答案:ABCD
4. 人工智能发展经历了哪几个发展阶段( ) A:推理期 B:知识期 C:表示期 D:学
习期 答案:ABD
5. 下列属于机器学习的应用领域有哪些( ) A:自然语言处理 B:人脸检测 C:计
算机视觉 D:自动驾驶 答案:ABCD
第二章测试
1. 下列不属于机器学习开发语言是哪个?( ) A:R B:C++ C:汇编语言 D:Java 答
案:C
2. 下列不属于机器学习的学习框架是哪个?( ) A:Keras B:Caffe C:RNN
D:TensorFlow 答案:C
3. Numpy中创建全为0的矩阵使用( ) A:empty B:ones C:arange D:zeros 答
案:D
4. 使用pandas时需要导入什么?( ) A:import matplotlib B:import numpy as
np C:import pandas as pd 答案:C
5. 下列说法正确的有( ) A:安装Scikit-learn库之前,不需要安装python、
Numpy、Scipy和matplotlib等库。 B:Scikit-learn库是一个开源机器学习
库,涵盖了几乎所有机器学习算法。 C:Scikit-learn内置了少量的数据集,
其中数据集库datasets提供数据集。 D:Scikit-learn库不支持包括分类、回
归、降维和聚类、模型选择及预处理等算法。 答案:B
第三章测试
1. 在决策树中,用作分裂节点的信息增益说法不正确的是( ) A:较小不纯度
的节点需要更多的信息来区分总体 B:信息增益可以使用熵得到 C:信息增益
更加倾向于选择有较多取值的属性 D:ID3算法采用信息增益来选择特征 答
案:A
2. 下面明显属于回归问题的是( ) A:广告是否点击预测 B:西瓜好坏预测 C:房
价估值预测 D:垃圾邮件识别 答案:C
3. 梯度下降算法中学习率理解正确的是( ) A:学习率最好能设置可调的数值,
先小后大 B:学习率最好设置很大的数值 C:学习率最好设置很小的数值 D:学
习率最好能设置可调的数值,先大后小 答案:D
4. 下列有关支持向量机(SVM)说法不正确的是( ) A:SVM的支持向量是少
数的几个数据点向量 B:SVM对线性不可分的数据有较好的分类性能 C:SVM
因为使用了核函数,因此它没有过拟合的风险 D:SVM使用核函数的过程实
质是进行特征转换的过程 答案:C
5. K近邻算法的基本要素不包括( ) A:样本的大小 B:K值选择 C:距离度量 D:
分类决策规则 答案:A
第四章测试
1. 下列属于机器学习中的非监督学习算法有哪些( ) A:Kmeans B:fisher判别
C:PCA D:SVM 答案:AC
2. 从目的的角度来看,非监督学习的类别有哪些( ) A:降维 B:聚类 C:基于样
本间相似性度量的方法 D:基于概率密度估计的方法 答案:AB
3. 从实现方式的角度来看,非监督学习的类别有哪些( ) A:基于样本间相似
性度量的方法 B:降维 C:基于概率密度估计的方法 D:聚类 答案:AC
4. 下列哪些是非监督学习的应用场景( ) A:图像生成 B:用户细分 C:推荐系统
D:异常发现 答案:BCD
5. 对数据进行降维的原因有哪些( ) A:方便可视化处理 B:资源受限,不能处
理高维数据 C:数据有冗余 D:能有效提升模型精度 答案:ABC
第五章测试
1. 卷积神经网络的缩写为( ) A:DNN B:ANN C:CNN D:BNN 答案:C
2. 人类历史上首次提出神经元模型是在哪一年( ) A:1946 B:1938 C:1949
D:1943 答案:D
3. 深度学习概念是由下列哪位科学家提出的( ) A:威德罗 B:罗森勃拉特 C:霍
夫 D:辛顿 答案:D
4. 生物神经元不包含哪一部分( ) A:轴突 B:细胞体 C:树突 D:权重 答案:D
5. 下列不属于常见反馈网络的是哪一个( ) A:感知机 B:BAM网络 C:Hopfield
网络 D:Hamming网络 答案:A
第六章测试
1. 下列属于强化学习组成部分有哪些( ) A:行动 B:状态 C:智能体 D:环境 答
案:ABCD
发布者:admin,转转请注明出处:http://www.yc00.com/web/1715881738a2686196.html
评论列表(0条)