机器学习课后习题 --回归-Toy模板网

这篇具有很好参考价值的文章主要介绍了机器学习课后习题 --回归。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

（一）单选题

1.以下()组变量之间存在线性回归关系？
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

2.回归问题和分类问题的区别是？
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

3.以下说法错误的是？
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

4.哪些算法不需要数据归一化？
A:kNN
B:k-means
C:SVM
D: 决策树

5.以下()些方法不能用于处理欠拟合？
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

6.以下哪些方法不能用于处理过拟合？
A:对数据进行清洗
B:增大训练数据的量
C:利用正则化技术
D:增加数据属性的复杂度

7.下列关于线性回归分析中的残差（Residuals）说法正确的是？
选项：
A:残差均值总是为零
B:残差均值总是小于零
C:残差均值总是大于零
D:以上说法都不对

8.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？
选项：
A:散点图
B:柱形图
C:直方图
D:以上都不对

9.假如你在训练一个线性回归模型，则：1. 如果数据量较少，容易发生过拟合。2. 如果假设空间较小，容易发生过拟合。关于这两句话，下列说法正确的是？
选项：
A:1 和 2 都错误
B:1 正确，2 错误
C:1 错误，2 正确
D:1 和 2 都正确

10.关于特征选择，下列对 Ridge 回归和 Lasso 回归说法正确的是？
选项：
A:Ridge 回归适用于特征选择
B:Lasso 回归适用于特征选择
C:两个都适用于特征选择
D:以上说法都不对

11.构建一个最简单的线性回归模型需要几个系数（只有一个特征）？
选项：
A:1 个
B:2 个
C:3 个
D:4 个

12.向量x=[1,2,3,4,-9,0]的L1范数是多少？
A:1
B:19
C:6
D:根号111

1.以下哪些是使用数据规范化(特征缩放)的原因？

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X^TX 不可逆(奇异/退化)

2.线性回归中，我们可以使用最小二乘法来求解系数，下列关于最小二乘法说法正确的是?( )
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

3.欠拟合的处理主要有哪些方式：()
A:增加模型复杂度
B:减小正则化系数
C:增大正则化系数
D:添加新特征

4.假如使用一个较复杂的回归模型来拟合样本数据，使用 Ridge回归，调试正则化参数，来降低模型复杂度，若正则化系数较大时，关于偏差(bias)和方差(variance)，下列说法正确的是?( )
选项：
A:偏差减小
B:偏差增大
C:方差减小
D:方差增大

1.如果两个变量相关，那么它们一定是线性关系。
答案: 【错误】

2.随机梯度下降，每次迭代时候，使用一个样本。
答案: 【正确】

3.L2正则化往往用于防止过拟合，而L1正则化往往用于特征选择。
答案: 【正确】

4.过拟合的处理可以通过减小正则化系数。
答案: 【错误】文章来源地址https://www.toymoban.com/news/detail-693995.html

到了这里，关于机器学习课后习题 --回归的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！