《机器学习-Python实践》试卷及答案 卷1.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、关于支持向量机SVM,下列说法错误的是（）

A.L2正则项，作用是最大化分类间隔，使得分类器拥有更强的泛化能力

B.Hinge损失函数，作用是最小化经验分类错误

C.分类间隔为1||w||1||w||，||w||代表向量的模

D.当参数C越小时，分类间隔越大，分类错误越多，趋于欠学习

2、假定某同学使用NaiveBayesian（NB）分类模型时，不小心将训练数据的两个维度搞重复了，那么关于NB的说法中正确的是：（）

A.这个被重复的特征在模型中的决定作用会被加强

B.模型效果相比无重复特征的情况下精确度会降低

C.如果所有特征都被重复一遍，得到的模型预测结果相对于不重复的情况下的模型预测结果一样。

D.当两列特征高度相关时，无法用两列特征相同时所得到的结论来分析问题

3、关于Logit回归和SVM不正确的是（）

A.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。A错误

B.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，正确

C.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。

D.SVM可以通过正则化系数控制模型的复杂度，避免过拟合。

4、以下哪些方法不可以直接来对文本分类？（）

A、KmeansB、决策树C、支持向量机D、KNN

正确答案:A分类不同于聚类。

5、关于Logit回归和SVM不正确的是（）

A.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。A错误

B.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，正确

C.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。

D.SVM可以通过正则化系数控制模型的复杂度，避免过拟合。

6、下列不是SVM核函数的是（）

A.多项式核函数

B.logistic核函数

C.径向基核函数

D.Sigmoid核函数

7、模型的高bias是什么意思,我们如何降低它？机器学习ML基础易（）

A.在特征空间中减少特征

B.在特征空间中增加特征

C.增加数据点

D.B和C

8、当你使用Boosting提升算法时，你会考虑弱学习器，以下哪项是使用弱学习器的主要原因？（）

A.防止过拟合

B.防止欠拟合

C.防止过拟合和防止欠拟合

D.都不对

9、梯度提升中，利用学习率来获得最优输出是非常重要的，在选择学习速率时， 下列描述正确的是：（）

A.学习率越大越好

B.学习率越小越好

C.学习率应该小一点但是不能太小

D.学习率不能太大也不能太小,根据情况而定

10、下列哪个算法不是集成学习算法的例子：（）

A.RandomForest

B.AdaBoost

C.GBDT

D.Xgboost

E.DecisionTree

二、判断题（本大题共10小题，每题1分，共10分）

1、错误率（ErrorRate）是分类错误的样本数占样本总数的比例。（）

2、决策树算法可以用于小数据集。（）

3、支持向量是SVM的训练结果，在SVM分类决策中起决定作用的是支持向量。（）

4、SVM在小样本训练集上能够得到比其它算法好很多的结果。（）

5、最大似然估计的目的就是：利用已知的样本结果，反推最有可能（最大概率）导致这样结果的参数值。（）

6、决策树只能处理数据型属性。（）

7、逻辑回归计算速度快。（）

8、集成学习（ensemble