《机器学习-Python实践》试卷及答案 卷2.docx

第PAGE1页，共NUMPAGES1页

一、单项选择题（本大题共10小题，每题3分，共30分）试卷（

试卷

（学年第1学期）

考试科目机器学习-Python实践（A卷）

适用专业班级（年级）得分

命题人：审阅人：

班级学号姓名考试科目

装订线

1、假设,现在我们已经建了一个模型来分类,而且有了99%的预测准确率,我们可以下的结论是:（）

A.模型预测准确率已经很高了,我们不需要做什么了

B.模型预测准确率不高,我们需要做点什么改进模型

C.无法下结论

D.以上都不对

2、我们想在大数据集上训练决策树,为了使用较少时间,我们可以：（）

A.增加树的深度

B.增加学习率(learningrate)

C.减少树的深度

D.减少树的数量

3、对于线性回归，我们应该有以下哪些假设？（）

1.找到离群点很重要,因为线性回归对利群点很敏感

2.线性回归要求所有变量必须符合正态分布

3.线性回归假设数据没有多重线性相关性

A.1和2

B.2和3

C.1,2和3

D.以上都不是

4、关于正态分布,下列说法错误的是:（）

A.正态分布具有集中性和对称性

B.正态分布的均值和方差能够决定正态分布的位置和形态

C.正态分布的偏度为0，峰度为1

D.标准正态分布的均值为0，方差为1

5、决策树的父节点和子节点的熵的大小关系是什么？（）

A.决策树的父节点更大

B.子节点的熵更大

C.两者相等

D.根据具体情况而定

6、下列关于极大似然估计（MaximumLikelihoodEstimate，MLE），说法正确的是（多选）？（）

A.MLE可能并不存在

B.MLE总是存在

C.如果MLE存在，那么它的解可能不是唯一的

D.如果MLE存在，那么它的解一定是唯一的

7、一般来说，下列哪种方法常用来预测连续独立变量？（）

A.线性回归B.逻辑回顾

C.线性回归和逻辑回归都行D.以上说法都不对

8、你使用随机森林生成了几百颗树（T1,T2,...,Tn），然后对这些树的预测结果进行综合，下列说法正确的是：（）

1、每棵树是通过所有数据的子集构建而成的

2、每棵树学习的样本数据都是通过随机有放回采样而得的

3、每棵树是通过数据集的子集和特征的子集构建而成的

4、每棵树是通过所有的数据构建而成的

A.1和2

B.2和4

C.1、2和3

D.2和3

9、下面关于随机森林和GBDT的说法正确的是：（）

①这两种方法都可以用来解决分类问题

②随机森林解决分类问题，GBDT解决回归问题

③随机森林解决回归问题，GBDT解决分类问题

④这两种方法都可以用来解决回归问题

A.①

B.②

C.③

D.④

E.①和④

10、关于随机森林和GBDT，下列说法错误的是：（）

A.随机森林中每个学习器是相互独立的

B.随机森林利用了bagging的思想来构建强学习器

C.GBDT利用了Boosting的思想来构建强学习器

D.GBDT中每个学习器之间没有任何联系

二、判断题（本大题共10小题，每题1分，共10分）

1、SVM是一个凸优化问题，因此局部最优解一定是全局最优解的优点。（）

2、错误否定（FalseNegative,FN）：预测为假，实际为真。（）

3、逻辑回归的因变量可以是二分类的，也可以是多分类的，但是二分类的更为常用，也更加容易解释。所以实际中最常用的就是二分类的逻辑回归。（）

4、决策树只能处理数据型属性。（）

5、朴素贝叶斯适合高维数据。（）

6、随机事件X所包含的信息量与其发生的概率有关。发生的概率越小，其信息量就越小。（）

7、决策树短时间内处理大量数据，得到可行且效果较好的结果。（）

8、集成学习以boosting、Adaboost等算法为代表的，个体学习器不是串行序列化生成的、具有依赖关系。（）

9、Adaboost算法流程给数据中的每一个样本一个权重。（）

10、Adaboost算法流程训练数据中的每一