本答案对应课程为:点我自动跳转查看
本课程起止时间为:2021-03-01到2021-07-30

【第二周】机器学习之有监督学习 监督学习课程测验

1、 问题:假设,我们有如下分成三类的数据,使用KNN算法(k=4),计算点(6,5)所属的类别应是(欧式距离):
选项:
A:类别2
B:类别1
C:类别3
D:不确定
答案: 【类别2

2、 问题:以下说法正确的是:
选项:
A:神经网络可以用于多分类问题
B:决策树只能用于二分类问题
C:监督学习与无监督学习的主要区别是,监督学习的训练样本无标签
D:分类任务的评价指标精确率和准确率是同一个概念
答案: 【神经网络可以用于多分类问题

3、 问题:以下属于监督学习任务的有:
选项:
A:分类
B:回归
C:聚类
D:降维
答案: 【分类;
回归

4、 问题:目前,某公司根据求职人员的基本信息构造了一颗决策树(如下),现有某求职人员,基本信息为{四级成绩=未通过,语言基础=熟悉,网络编程=精通,Linux基础=熟悉},根据决策树判断,该人员会被拒绝,对吗?
选项:
A:正确
B:错误
答案: 【错误

5、 问题:在使用神经网络对手写数字进行识别时,若输入为28*28大小的数字矩阵,输出对应于0-9的数字类别,则输入神经元应是_个,输出神经元是_个(答案形式:123,12)。
答案: 【784,10

6、 问题:假设通过大量数据分析,获得了房屋面积和价格之间的线性关系如下:y=0.15*x+44那么,当房屋面积为3600的时候,其价格大约是_____。
答案: 【584

7、 问题:假设我们手上有60个正样本,40个负样本,我们要找出所有的正样本,分类算法查找出50个,其中只有40个真正的正样本,则其召回率是多少(保留两位小数)?
答案: 【[0.66,0.67]

8、 问题:import numpy as np     #导入numpy工具包
from os import listdir #使用listdir模块,用于访问本地文件
from ___ import MLPClassifier 

clf = MLPClassifier(hidden_layer_sizes=(100,),
                    activation=’logistic’, solver=’adam’,
                    learning_rate_init = 0.0001, max_iter=2000)补全以上代码。
答案: 【sklearn.neural_network

9、 问题:import numpy as np     #导入numpy工具包
from os import listdir #使用listdir模块,用于访问本地文件
from sklearn import neighbors

knn = neighbors.KNeighborsClassifier(algorithm=’kd_tree’, ____)补全代码,创建k为3的KNN分类器。
答案: 【n_neighbors=3

10、 问题:import matplotlib.pyplot as plt
import numpy as np

本门课程剩余章节答案为付费内容
本文章不含期末不含主观题!!
本文章不含期末不含主观题!!
支付后可长期查看
有疑问请添加客服QQ 2356025045反馈
如遇卡顿看不了请换个浏览器即可打开
请看清楚了再购买哦,电子资源购买后不支持退款哦

   

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注