机器学习期末考试

得分：100分(欢迎讨论评论)
1.单选(2分)
一监狱人脸识别准入系统用来识别待进入人员的身份，此系统一共包括识别4种不同的人员：狱警，小偷，送餐员，其他。下面哪种学习方法最适合此种应用需求：
A.K-means聚类问题
B.回归问题
C.二分类问题
√ D.多分类问题

2.单选(2分)
‎以下哪种技术对于减少数据集的维度会更好？
√ A.删除缺少值太多的列
B.删除数据差异较大的列
C.删除不同数据趋势的列
D.都不是

3.单选(2分)
‍将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？
A.频繁模式挖掘
B.分类和预测
√ C.数据预处理
D.数据流挖掘

4.单选(2分)
‏下列不是SVM核函数的是( )
A.多项式核函数
√ B.逻辑核函数
C.径向基核函数
D.线性核函数

5.单选(2分)
‌数据科学家可能会同时使用多个算法（模型）进行预测， 并且最后把这些算法的结果集成起来进行最后的预测（集成学习），以下对集成学习说法正确的是
A.单个模型之间有高相关性
√ B.单个模型之间有低相关性
C.在集成学习中使用“平均权重”而不是“投票”会比较好
D. 单个模型都是用的一个算法

6.单选(2分)
‎在以下不同的场景中,使用的分析方法不正确的有
A.根据商家最近一年的经营及服务数据,用聚类算法判断出天猫商家在各自主营类目下所属的商家层级
√ B.根据商家近几年的成交数据,用聚类算法拟合出用户未来一个月可能的消费金额公式
C.用关联规则算法分析出购买了汽车坐垫的买家,是否适合推荐汽车脚垫
D.根据用户最近购买的商品信息,用决策树算法识别出淘宝买家可能是男还是女

7.单选(2分)
​bootstrap 数据的含义是
A.有放回的从整体M中抽样m个特征
B.无放回的从整体M中抽样m个特征
√ C.有放回的从整体N中抽样n个样本
D.无放回的从整体N中抽样n个样本

8.单选(2分)
‌在逻辑回归中,如果同时加入L1和L2范数,不会产生什么效果
A.以做特征选择,并在一定程度上防止过拟合
B.能解决维度灾难问题
C.能加快计算速度
√ D.可以获得更准确的结果

9.单选(2分)
‌对于在原空间中线性不可分问题，支持向量机（）。
A.在原空间中寻找非线性函数的划分数据
B.无法处理
C.在原空间中寻找线性函数划分数据
√ D.将数据映射到核空间中

10.单选(2分)
‎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

11.单选(2分)
‎以下关于降维的说法不正确的是？
A.降维是将训练样本从高维空间转换到低维空间
√ B.降维不会对数据产生损伤
C.通过降维可以更有效地发掘有意义的数据结构
D.降维将有助于实现数据可视化

12.单选(2分)
‌向量x=[1,2,3,4,-9,0]的L1范数是多少？
A.1
√ B.19
C.6
D.sqrt(111)

13.单选(2分)
​假设X和Y都服从正态分布，那么P(X<5,Y<0)就是一个（ ），表示X<5,Y<0两个条件同时成立的概率，即两个事件共同发生的概率。
A.先验概率
B.后验概率
√ C.联合概率
D.以上说法都不对

14.单选(2分)
‎假设会开车的本科生比例是15%，会开车的研究生比例是23%。若在某大学研究生占学生比例是20%，则会开车的学生是研究生的概率是多少？
√ A.27.7%
B.16.6%
C.23%
D. 15%

15.单选(2分)
‍假设有100张照片，其中，猫的照片有60张，狗的照片是40张。
‍识别结果：TP=40，FN=20，FP=10，TN=30，则可以得到：( )。
A.Accuracy=0.8
√ B.Precision=0.8
C.Recall=0.8
D.以上都不对

16.单选(2分)
‏以下关于训练集、验证集和测试集说法不正确的是( )。
A.测试集是纯粹是用于测试模型泛化能力
√ B.训练集是用来训练以及评估模型性能
C.验证集用于调整模型参数
D.以上说法都不对

17.单选(2分)
‏下列哪种方法可以用来缓解过拟合的产生：( )。
A.增加更多的特征
√ B.正则化
C.增加模型的复杂度
D.以上都是

18.单选(2分)
‏假设有 6 个二维数据点：D={(2,3),(5,7),(9,6),(4,5),(6,4),(7,2)}，第一次切分时候，切分线为( )。
A.x=5
√ B.x=6
C.y=5
D.y=6

19.单选(2分)
‍两个向量的长度分别为1和2，两者之间的夹角为60度，则以下选项错误的是( )。
A.余弦相似度为0.5
B.余弦相似度为正
√ C.余弦相似度没法计算，因为没给出具体坐标值
D.余弦相似度的值与向量的长度无关，只和向量之间的夹角有关

20.单选(2分)
‎LightGBM与XGBoost相比，主要的优势不包括( )
A.更快的训练速度
B.更低的内存消耗
C.更好的准确率
√ D.采用二阶泰勒展开加快收敛

21.单选(2分)
‎关于BP算法优缺点的说法错误的是 ( )。
√ A.BP算法不能用于处理非线性分类问题
B.BP算法训练时间较长
C.BP算法容易陷入局部最小值
D.BP算法训练时候可能由于权值调整过大使得激活函数达到饱和

22.单选(2分)
‌神经网络算法有时会出现过拟合的情况，那么采取以下哪些方法解决过拟合更为可行（）。
A.为参数选取多组初始值，分别训练，再选取一组作为最优值
B.增大学习的步长
C.减少训练数据集中数据的数量
√ D.设置一个正则项减小模型的复杂度

23.单选(2分)
‍SVM算法的最小时间复杂度是O(n^2)。基于这一点，以下哪种规格的数据集并不适用于该算法?( )
√ A.大数据集
B.小数据集
C.中数据集
D.不受数据集大小的影响

24.单选(2分)
‌一个正例(2,3)，一个负例(0,-1)，下面哪个是SVM超平面?（ ）
A.2x+y-4=0
B.2y+x-5=0
√ C.x+2y-3=0
D.无法计算

25.单选(2分)
‎下列关于Kmeans聚类算法的说法错误的是( )。
A.对大数据集有较高的效率并且具有可伸缩性
B.是一种无监督学习方法
C.K值无法自动获取，初始聚类中心随机选择
√ D.初始聚类中心的选择对聚类结果影响不大

26.单选(2分)
​简单地将数据对象集划分成不重叠的子集，使得每个数据对象恰在一个子集中，这种聚类类型称作( )。
A.层次聚类
√ B.划分聚类
C.非互斥聚类
D.密度聚类

27.单选(2分)
‎以下关于PCA说法正确的是 ( )。
A.PCA是一种监督学习算法
B.PCA在转换后的第一个新坐标轴选择的是原始数据中方差最小的方向
√ C.PCA转换后选择的第一个方向是最主要特征
D.PCA不需要对数据进行归一化处理

28.单选(2分)
‎关于Apriori和FP-growth算法说法正确的是( )。
A.Apriori比FP-growth操作更麻烦
B.FP-growth算法需要对项目进行配对，因此处理速度慢
C.FP-growth只需要一次遍历数据，扫描效率高
√ D.FP-growth算法在数据库较大时，不适宜共享内存

29.单选(2分)
‌某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题？( )
√ A.关联规则发现
B.聚类
C.分类
D.自然语言处理

30.单选(2分)
‎置信度(confidence)是衡量兴趣度度量( )的指标。
A.简洁性
√ B.确定性
C.实用性
D.新颖性

31.多选(2分)
‌下面哪些是分类算法？
√ A.根据肿瘤的体积、患者的年龄来判断良性或恶性？
√ B.根据用户的年龄、职业、存款数量来判断信用卡是否会违约？
√ C.身高1.85m，体重100kg的男人穿什么尺码的T恤？
D.根据房屋大小、卫生间数量等特征预估房价

32.多选(2分)
‎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XTX不可逆(奇异/退化)

33.多选(2分)
‎影响KNN算法效果的主要因素包括( )。
√ A.K的值
√ B.距离度量方式
√ C.决策规则
D.最邻近数据的距离

34.多选(2分)
‎支持向量机有哪些常用的核函数( )。
√ A.高斯核
B.拉普拉斯核
√ C.线性核
√ D.多项式核

35.多选(2分)
‎以下关于支持向量机的说法正确的是 ( )。
A.SVM适用于大规模数据集
B.SVM分类思想就是将分类面之间的间隔最小化
√ C.SVM方法简单，鲁棒性较好
√ D.SVM分类面取决于支持向量

36.多选(2分)
‏关于BP算法优点说法正确的是（ ）。
√ A.BP算法能够自适应学习
√ B.BP算法有很强的非线性映射能力
√ C.BP算法反向传播采用链式法则，推导过程严谨
D.BP算法泛化能力不强

37.多选(2分)
‎下面关于支持向量机的描述正确的是( )。
√ A.是一种监督学习的方法
√ B.可用于多分类的问题
√ C.支持非线性的核函数
D.是一种生成模型

38.多选(2分)
‎下面属于降维常用的技术的有： ( )。
√ A.主成分分析
B.特征提取
√ C.奇异值分解
D.离散化

39.多选(2分)
‌PCA算法获取的超平面应具有哪些性质 （ ）。
√ A.最近重构性
B.信息增益最大性
√ C.最大可分性
D.局部极小性

40.多选(2分)
‎关于关联规则，正确的是：( )。
√ A.关联规则挖掘的算法主要有： Apriori和FP-Growth
√ B.一个项集满足最小支持度，我们称之为频繁项集
C.啤酒与尿布的故事是聚类分析的典型实例
√ D.支持度是衡量关联规则重要性的一个指标

41.判断(1分)
‎支持向量是那些最接近决策平面的数据点
√ A.正确
B.错误

42.判断(1分)
‍相关变量的相关系数可以为零，对吗？
√ A.正确
B.错误

43.判断(1分)
‎PCA会选取信息量最少的方向进行投影。
A.正确
√ B.错误

44.判断(1分)
‎大部分的机器学习工程中，数据搜集、数据清洗、特征工程这三个步骤绝大部分时间，而数据建模，占总时间比较少。
√ A.正确
B.错误

45.判断(1分)
‌随机梯度下降，每次迭代时候，使用一个样本。
√ A.正确
B.错误

46.判断(1分)
‏朴素贝叶斯法的基本假设是条件独立性。
√ A.正确
B.错误

47.判断(1分)
‍SMOTE算法是用了上采样的方法。
√ A.正确
B.错误

48.判断(1分)
‏L2 正则化得到的解更加稀疏。
A.正确
√ B.错误

49.判断(1分)
‏ID3 算法只能用于处理离散分布的特征。
√ A.正确
B.错误

50.判断(1分)
‎集成学习的数据不需要归一化或者标准化。
√ A.正确
B.错误

51.判断(1分)
​BP算法“喜新厌旧”，在学习新样本后，会把旧样本逐渐遗忘。
√ A.正确
B.错误

52.判断(1分)
‎逻辑回归分类的精度不够高，因此在业界很少用到这个算法
A.正确
√ B.错误

53.判断(1分)
​SMOTE算法是用了上采样的方法。
√ A.正确
B.错误

54.判断(1分)
‏100万条数据划分训练集、验证集、测试集，数据可以这样划分：98%，1%，1% 。
√ A.正确
B.错误

55.判断(1分)
‌K均值是一种产生划分聚类的基于密度的聚类算法，簇的个数由算法自动地确定。
A.正确
√ B.错误

56.判断(1分)
​朴素贝叶斯法的基本假设是条件独立性。
√ A.正确
B.错误

57.判断(1分)
‏特征空间越大，过拟合的可能性越大。
√ A.正确
B.错误

58.判断(1分)
‌两个向量的余弦相似度越接近1，说明两者越相似。
√ A.正确
B.错误

59.判断(1分)
​K均值是一种产生划分聚类的基于密度的聚类算法，簇的个数由算法自动地确定。
A.正确
B.错误

60.判断(1分)
‍ID3 算法的核心思想就是以信息增益来度量特征选择，选择信息增益最大的特征进行分裂。
√ A.正确
B.错误