第一章 机器学习概述
1.无监督学习的两个主要任务是(多选)BD
A 回归 B 降维
C 分类 D 聚类
2.下列对无监督学习描述错误的是 C
A 无标签 B 核心是聚类
C 不需要降维 D 具有很好的可解释性
3.下列对有监督学习描述错误的是 D
A 有标签 B 核心是分类
C 分类分类原因不透明 D 所有数据都相对独立分布
4.在以下学习策略中,使用的训练数据只有部分存在标签的是 C
A 监督学习 B 深度学习
C 半监督学习 D 无监督学习
5.下面符合特征选择标准的是 A
A 能够反映不同事物差异的特性 B 越多越好
C 越少越好 D 数值型的必定性数据好
6.给定一定数量的红细胞和白细胞图像及它们对应的标签,设计出一个红细胞和白细胞分类器,这属于 C 问题。
A 半监督学习 B 无监督学习
C 监督学习 D 以上都可以
7.给定一定数量的红细胞和白细胞图像,但并不知道图像与标签的对应关系,设计出一个红细胞和白细胞分类器,这属于 B 问题。
A 半监督学习 B 无监督学习
C 监督学习 D 以上都可以
8.机器学习可以用于以下哪些情形? ABCD
A 人类无法解释的专业知识 B 模型需要基于大量数据
C 当人类专业知识不存在时 D 模型必须定制
9.以下哪些领域应用机器学习需要考虑样本不平衡问题? ABCD
A 医学诊断 B 预测罕见事件
C 检测信用卡欺诈 D 预测故障和失效
10.以下说法正确的是 B
A 特征的个数越多,机器学习的效果越好
B 样本的数量越多,机器学习的效果越好
C “过拟合”只在监督学习中出现,在无监督学习中没有“过拟合”
D 特征的个数应该和样本的数量相匹配
11.泛化误差是指 C
A 训练误差 B 测试误差
C 学习误差 D 测量误差
12.与有监督学习相比,下面那些属于半监督学习的优势? BD
A 半监督学习模型训练时间更短
B 在标注数据量有限时,采用半监督学习有望训练得到更有优的机器学习模型
C 半监督学习 的数学优化问题更容易求解
D 能够节约大规模数据标注带来的时间和费用的开销
13.简述机器学习的主要步骤。
- 收集相关样本
- 特征提取
- 构建模型
- 评估模型的有效性
- 使用模型预测新样本
14.简述机器学习中验证集和测试集的区别。
答:验证集:是在模型训练的过程中评估模型,评估之后模型还会继续被修改
测试集:是在模型训练好之后评估模型,评估之后模型不会再被修改。
15.什么是泛化能力?
答:所谓泛化能力是指模型对未知类别的新鲜样本正确分类的能力。
16.评价机器学习模型优劣的重要指标是什么?
答:泛化能力是评价机器学习模型优劣的最根本的指标
17.简述监督学习和无监督学习的区别。
监督学习:监督学习是从带有类别标签的训练数据中学得一个模型,并基于此模型来预测新样本的标签。
无监督学习:无监督学习是在无标签的训练集中发现数据规律。
两者区别:无监督学习和监督学习的主要区别在于无监督学习的样本没有标签,这使得无监督学习更具有挑战性。
18.特征选择和数据降维有何区别?
数据降维,一般说的是维数约简(Dimensionality reduction)。它的思路是:将原始高维特征空间里的点向一个低维空间投影,新的空间维度低于原特征空间,所以维数减少了。在这个过程中,特征发生了根本性的变化,原始的特征消失了(虽然新的特征也保持了原特征的一些性质)。
而特征选择,是从 n 个特征中选择 d (d<n) 个出来,而其它的 n-d 个特征舍弃。所以,新的特征只是原来特征的一个子集。没有被舍弃的 d 个特征没有发生任何变化。这是二者的主要区别。
注意:数据降维不可以作为特征选择的一种手段。
第二章 Python机器学习与可视化
1、关于Python语言的语法,下列哪项是错误的?(B)
A.python程序中的代码缩进不能随意删除
B.import语句必须写在程序的开始位置
C.print('Hey')输出Hey后会自动换行
D.python语句是区分大小写的
2、下列不属于NumPy数组属性的是(D)
A ndim B shape C size D add
3、创建一个3x3维的数组,下列代码中错误的是(C)
A np.arange(0,9).reshape(3,3) B np.eye(3)
C np.random.random([3,3,3]) D np.mat(np.zeros((3,3)))
4、以下关于绘图标准流程说法错误的是(B)
A 绘图最简单的图形可以不用创建画布
B 添加图例可以在绘制图形之前
C 添加x轴、y轴的标签可以在绘制图形之前
D 添加图的标题可以在ply.show()方法之后
5、下列代码中能够绘制出散点图的是(A)
A plt.scatter(x,y) B plt.plot(x,y)
C plt.legend(x,y) D plt.figure(x,y)
6、下列字符串表示plot线条颜色、点的形状和类型为红色五角星短虚线的是(D)
A 'bs-' B 'go-.' C 'r+-.' D 'r*:'
7、train_test_split()函数的返回值有(D)个。
A 1 B 2 C 3 D 4
8、数据(B)要求知道样本的最大值和最小值。
A 标准化 B 归一化 C 二值化 D 正则化
9、要设置x轴的坐标范围需要用到(B)
A xlabel B xlim C xticks D hlines
10、使用Pandas不能读取下列哪种文件(D)
A xlsx B txt C CSV D MDB
11、NumPy提供的两种基本对象是 多维数组对象ndarray 和 通用函数对象ufunc 。
12、将NumPy一维数组a中的所有元素反转,方法是 a[::-1] 。
13、提取NumPy数组中除了最后一列的所有列,方法是 data[:, 0:-1] 。
14、创建一个范围在(0,1)之间长度为12的等差数列,方法是 np.linspace(0,1,12)
15、、在Matplotlib中,要绘制多个子图,需要使用 subplot() 函数。
16、train_test_split()函数能将样本划分为 训练集 和 测试集 。
17、数据的 规范化 需要计算样本数据的标准差和均值。
18、在sklearn中,需要训练数据拟合模型,需要使用 fit() 方法。
19、数据的维度是指样本 特征属性 的个数。
20、主成分分析一般用来实现数据的 降维 。
21、元组与列表的主要区别是什么?S=(9,6,5,1,55,7)能添加元素吗?
元组中的元素不能修改,但能添加和删除。
S=(9,6,5,1,55,7)能添加元素
22、读取鸢尾花数据集,使用循环和子图绘制各个特征之间的散点图。
import numpy as np
import matplotlib.pyplot as plt
iris = np.load('d:/tmp/iris.npz',allow_pickle=True)['data'][:, :-1]
name = np.load('d:/tmp/iris.npz',allow_pickle=True)['features_name']
plt.rcParams['font.sans-serif'] = 'SimHei'
p = plt.figure(figsize=(16, 16))
plt.title(“鸢尾花散点图矩阵”)
for i in range(4):
for j in range(4):
p.add_subplot(4, 4, (i * 4) + (j + 1))
plt.scatter(iris[:, i], iris[:, j])
plt.xlabel(name[i])
plt.ylabel(name[j])
plt.savefig(“E:/data.png”)
plt.show()
23、创建一个长度为10、一个维全为0的ndarray对象,然后让第5个元素等1。
import numpy as np
t1 = np.zeros(10,dtype=int)
print(t1)
t1[4]=1
print(t1)
运行结果:
[0 0 0 0 0 0 0 0 0 0]
[0 0 0 0 1 0 0 0 0 0]
第三章 关联规则与推荐算法
1、下列哪一项不是一个集合?(A)
A 项 B 项集 C 事物 D 事物数据库
2、对于同一个事物数据库中的两条关联规则:A=>C和C=>A,可知(A)
A 它们的支持度一定相等 B 他们的置信度一定相等
C 它们的支持度不一定相等 D 他们的置信度不一定相等
3、设{A,B,C}不是频繁项集,则可知(B)
A {A.B}一定不是频繁项集 B {A,B,C,D}一定不是频繁项集
C {A.B}一定是频繁项集 D {A,B,C,D}一定是频繁项集
4、若已知{A,B,C}的支持度是50%,C的支持度是75%,则可知(B)
A A,B=>C的置信度是66.6% B C=>A,B的置信度是66.6%
C A,B=>C的置信度是150% D C=>A,B的置信度是150%
5、设N(a)={A,B,E}表示对物品a感兴趣的用户有A、B和E,N(b)={A,C,D}表示对物品b感兴趣的用户有A、C和D,每个用户对各物品的感兴趣程度均为1,则物品a、b之间的相似度为 (A)
A 1/3 B1/9 C 1/2 D 1/6
6、寻找关联规则可分为两步,第一步是着 频繁项集 。
7、协同过滤推荐算法使用 余弦相似度 作为指标来评价项与项之间的相似度。
8、经典的关联规则挖掘算法是 Apiori ,为了提高关联规则的计算效率,改进的关联规则算法是 FP-Growth 。
9、假设事物集只有6个项,对于频繁项集3-项集的集合{1,2,3},{1,2,4},{1,2,5},{1,3,4},{2,3,4},{3,4,6}:
(1)列出由Apriori算法得到的所有候选集4-项集。
所有候选四项集
{1,2,3,4},{1,2,3,5},{1,2,3,6},{1,2,4,5},{1,2,5,6},{1,3,4,5},{1,3,4,6},{2,3,4,5},{2,3,4,6},{2,3,5,6},{3,4,5,6}
(2)列出剪枝后剩下的候选4-项集。
剪枝后的候选四项集
{1,2,3,4},{1,2,3,5},{1,2,4,5},{2,3,4,5},{2,3,4,6},{2,3,5,6}
第四章 聚类
1、在统计学中,数据的类型有3种,不包括(B)
A 定类数据 B 定性数据
C 定距数据 D 定序数据
2、下列那一列不属于聚类算法(B)
A K-中心点 B K近邻
C K-means D DNSCAN
3、下列那种距离是两点之间的直线距离?(A)
A 欧氏距离 B 曼哈顿距离
C 切比雪夫距离 D 闵科夫斯基距离
4、从性能角度上看,(C)聚类算法的速度是最快的。
A K-中心点 B 层次聚类法
C K-means D DNSCAN
5、在DBSCAN中,一个簇是一个(C)的区域。
A 密度可达 B 直接密度可达
C 密度相连 D 直接密度相连
6、聚类算法可分为 基于划分的方法 、 基于层次的方法 、基于密度的方法和基于模型的方法。
7、在聚类算法中是通过 距离 度量相似度的。
8、在sklearn提供的聚类模块中,参数n_clusters用于设置 簇的个数 。
9、DBSCAN算法中定义的3类点分别是核心点、 边界点 和 噪声点 。
第五章 分类
1、以下哪种算法生成的决策树一定是二叉树?(C)
A.ID3 B.C4.5 C.CART D.都不一定
2、在C4.5算法中,若特征属性A的取值只有两种,两种取值的样本数都是5个,则属性A的分裂信息split_info(A)的值为(A)。
A.1 B.2 C.3 D.5
3、以下哪个sklearn函数的参数为训练集?(A)
A.fit() B.predict() C.fit_predict() D.transform(x)
4、如果要在大型数据集上训练决策树,为了花费更少的时间来训练这个模型,下列哪种做法是正确的?(C)
A.增加树的深度 B.增加学习率
C.减小树的深度 D.减少树的数量
5、朴素贝叶斯分类是通过比较各个类别的哪个值的大小进行分类的?(A)
A.P(cⱼ|x) B.P(x|cⱼ;) C.P(cⱼ)/P(x) D.P(cⱼ;)
6、混淆矩阵的真负率公式是(A)。
A.TP/(TP+FN) B.FP/(FP+TN)
C.FN/(TP+FN) D.TN/(TN+FP)
7、混淆矩阵中的TP=16,FP=12,FN=8,TN=4,F1-score是(B)。
A.4/13 B.8/13 C.4/7 D.2/3
8、若某个消息出现的概率是0.25,则该消息的自信息量是___2___。
9、ID3算法选取 信息增益 最大的节点作为根节点;C4.5算法选取 信息增益率 最大的节点作为根节点。
10、在K-近邻算法中,K的含义是 近邻点的个数 ;在K-均值算法中,K的含义是 聚类的类别数 。
11、对于分类模型,fit()函数的参数为 训练集的特性 ;对于聚类模型,fit()函数的参数为特征属性集。
12、给定贝叶斯公式p(cj|x)=(p(x|cj)p(cj))/p(x)公式中的p(cj|x)称为 后验概率 (填写先验概率、后验概率或全概率)。朴素贝叶斯分类的依据是要求上式中 p(x|cj)p(cj) 的值最大。
13、在决策树分类中,属性的信息增益等于 无条件熵 与 有条件熵 的差。
14、决策树是用样本的属性作为节点,用 属性的取值 作为分支的树结构。
15、CART算法是选择基尼指数 小 (填大或小)的节点作为根节点。
16.只能对离散型数据进行决策树分类的算法是 ID3 。
17、Bootstrap重采样技术采用 有放回 (填有放回或无放回)抽样。
18、在sklearn中,fit()函数的返回值是 模型 ,predict()函数的返回值是 标签 。
19、什么是训练集?聚类的训练集和分类的训练集有何区别?
训练集是样本集的一部分,在机器学习中用于建立模型和评估模型参数。
聚类的训练集无类别属性(或无标签),而分类的训练集有类别属性(或有标签)。
20、简述分类的一般步骤。
特征提取→特征选择→分类→使用此模型预测新样本→评估效果.分类模型预测结果。
20、简述什么是集成学习。集成学习的精确率一定比单个学习器的精确率更高吗?
(1)集成学习:多个性能一般的普通模型进行有效集成,形成一个性能优良的集成模型的过程
(2)若学习器的分类准确率较低,则组合生成的集成学习模型的分类准确率会更低,故集成学习准确率不一定比单个学习器的准确率高。
22、设有甲、乙、丙三个车间生产同一种产品,已知各车间的产量分别占全厂产量的25%、35%和40%,各车间的产品次品率依次为5%、4%和2%。现从待出厂的产品中检查出一个次品,试用朴素贝叶斯分类预测该次品最有可能是由哪个车间生产的,并指出该分类的特征属性和类别属性。
次品、车间
第六章 回归与逻辑回归
1、关于逻辑回归模型,以下说法错误的是(D)。
A.逻辑回归属于有监督学习
B.逻辑回归是回归分析的一种
C.逻辑回归使用最大似然估计来训练回归模型
D.逻辑回归的损失函数是通过最小二乘法来定义的
2、hθ(x)=θTX可作为(A)模型的公式
A.逻辑回归 B.多元线性回归
C.多重线性回归 D.神经网络
3.要实现非线性分类,可以使用(B)。
A.多元逻辑回归 B.多项式逻辑回归
C.多重共线性回归 D.非线性逻辑回归
4、对于一个测试样本,逻辑回归模型的输出值 等于 样本属于该类别的概率值。(填等于、小于或大于)
5、回归与分类的区别是, 回归 的预测值是连续值。(填回归或分类)
6、逻辑回归使用 sigmoid 函数对线性回归进行变换。
7、如果直接用线性回归进行分类,会存在什么问题?
无法确定分类的阈值取多少合适。
8、回归与分类的区别是什么?
分类和回归的区别在于输出变量的类型。定量输出称为回归,或者说是连续变量的预测;定性输出称为分类,或者说是离散变量的预测。
9、简述使用逻辑回归进行分类的步骤。
①建模;②估计逻辑回归系数;③解释回归系数;④检验模型整体;⑤检验特征变量
第八章 支持向量机
1、使用支持向量机进行非线性分类,需要用到的关键技术是(C)。
A.拉格朗日函数 B.SMO算法
C.核函数 D.软间隔方法
2、松弛变量惩罚项系数在sklearn中用哪个参数进行设置?(A)
A.C B.degree
C.tol D.coef0
3、如果要对环形分布的数据集进行分类,使用哪种核函数的效果最好?(C)
A.Linear B.poly
C.RBF D.Sigmoid
4、下列哪种核函数只能设置gamma参数?(C)
A.linear B.poly
C.RBF D.Sigmoid
5、SVM分类的目标是 分类间隔d 最大。
6、SVM间隔的计算公式为 d=2/||w|| 。
7.所谓支持向量是指距离间隔 最近 (填写远或近)的点文章来源:https://www.toymoban.com/news/detail-761660.html
8.如果多项式核函数的 degree 参数设置为1,则相当于线分类。文章来源地址https://www.toymoban.com/news/detail-761660.html
到了这里,关于机器学习算法入门与编程实践的文章就介绍完了。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!