2020 模式识别与机器学习(深圳大学) 最新满分章节测试答案

本答案对应课程为:点我自动跳转查看
本课程起止时间为:2020-03-01到2020-07-15
本篇答案更新状态:已完结

第一讲 机器学习简介 第一讲测验

1、 问题:机器学习可以用于哪些情形？
选项：
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
D:模型必须定制
答案: 【人类无法解释的专业知识;
模型需要基于大量数据;
当人类专业知识不存在;
模型必须定制】

2、 问题:以下哪些属于监督学习？
选项：
A:朴素贝叶斯
B:支持向量机
C:聚类
D:决策树
答案: 【朴素贝叶斯;
支持向量机;
决策树】

3、 问题:机器学习的类型有？
选项：
A:半监督学习
B:有监督学习
C:无监督学习
D:强化学习
答案: 【半监督学习;
有监督学习;
无监督学习;
强化学习】

4、 问题:有监督学习是分类同时定性的，而无监督学习是先聚类后定性的。
选项：
A:正确
B:错误
答案: 【正确】

5、 问题:半监督学习没标签数据的数量常常远大于有标签数据的数量。
选项：
A:正确
B:错误
答案: 【正确】

【作业】第一讲 机器学习简介 第一次作业

1、 问题:请各位同学在本平台提交作业之余务必将结果另存为报告形式（包含题干，代码，运行结果截图，保存为word格式，之后统一安排上交）。（1）编写函数compute_s_n并运行，具体见附件。并计算当n = 10时的结果。（2）画出1到n的平方和的函数图像的散点图并连线（n取1到25），利用compute_s_n函数，图像如附件中所示。
需要上传程序代码。
评分规则: 【 compute_s_n函数成功运行，运算结果正确。当n = 10时的结果为385。
运行得到的图像正确。
】

2、 问题:编写一个两个玩家:A,B投骰子比大小的游戏。骰子点数大者胜，若点数相同则打平。a. 编写一个生成骰子随机点数的函数dice_pts。b. 编写函数roll_dice为两个玩家随机生成点数，并将游戏结果打印至屏幕。结果范例：“Player A has rolled: 5 pts, Player B has rolled: 3 pts, A wins!!”c. 编写函数play_game, 用户在屏幕上输入n, 让A,B重复投骰子n次，统计每个玩家胜利次数，合计胜利更多次数者获得最终胜利。结果范例：“Player A has won: 4 times, Player B has won: 5 times, B wins!!”提示：生成随机点数可选用random.randint()函数，并且需要考虑两玩家打平情况。需要提交程序代码。
评分规则: 【 dice_pts函数正确并能成功运行。
roll_dice函数正确并能成功运行，当两者点数一致时显示无赢家或打平。
play_game函数正确并能成功运行，两者胜利次数一致时显示打平。
】

第二讲 机器学习的评估方法 第二讲测验

1、 问题:在肺结节计算机辅助识别这一问题上，一幅肺部CT图像中有肺结节被认为是阳性(positive)，没有肺结节被认为是阴性(negative)。如图：那么，实际检测时，假阴性的情况为：
选项：
A:检测无结节，但实际无结节；
B:检测无结节，但实际有结节；
C:检测有结节，但实际无结节；
D:检测有结节，但实际有结节；
答案: 【检测无结节，但实际有结节；】

2、 问题:不平衡问题的领域有？
选项：
A:医学诊断
B:预测罕见事件
C:检测欺诈
D:预测故障/失效
答案: 【医学诊断;
预测罕见事件;
检测欺诈;
预测故障/失效】

3、 问题:识别任务中，召回率是被预测为“正面”的测试数据中结果是正确的比例。
选项：
A:正确
B:错误
答案: 【错误】
分析：【识别任务中，精确度是被预测为“正面”的测试数据中结果是正确的比例，召回率是标签为“正面”的测试数据中预测正确的比例。】

4、 问题:使用5折交叉验证选择模型参数时，应将整个数据集按比例分割为训练集，验证集，测试集，再开展模型训练及测试，并将上述步骤重复5次。
选项：
A:正确
B:错误
答案: 【错误】

5、 问题:接上题，若我们将真阳性记为TP,假阳性为FP,真阴性为TN,假阴性为FN，计算特异度的公式为：Specificity = [ ]/(TN+FP),请问“[ ]”中应填？
答案: 【TN】

6、 问题:ROC曲线图的纵坐标代表？
答案: 【(以下答案任选其一都对)灵敏度;
Sensitivity;
TPR;
真阳性率;
True positive rate】

【作业】第二讲 机器学习的评估方法 第二讲作业

1、 问题:对一组健康状况未知的病人，其是否患有肺炎与CT预测结果如下：data = {‘y_Actual’: [1, 0, 0, 1, 0, 1, 0, 0, 1, 0, 1, 0], ‘y_Predicted’: [1, 1, 0, 1, 0, 1, 1, 0, 1, 0, 0, 0] }（1）请自计算其混淆矩阵，并绘制热图。（提示可尝试使用pandas或scikit-learn自带函数）（2）请编写函数，自动计算其F1-score;
评分规则: 【 第一小题结果类似下图：
第二小题计算结果接近：0.727
】

2、 问题:使用某分类器判断病人是否患有心脏病，真实结果与预测结果见“stats_roc.xls”。使用该数据，编写代码完成（1）绘制ROC曲线；（2）计算AUC。
评分规则: 【 第一小题结果接近下图即可：
AUC 结果接近0.955即可
】

第三讲 回归分析 第三讲测验

1、 问题:已知变量x与y正相关，且由观测数据算得x的样本平均值为3，y的样本平均值为3.5，则由该观测数据算得的线性回归方程可能是
选项：
A:y=0.4x+2.3
B:y=2x-2.4
C:y=-2x+9.5
D:y=-0.3x+4.4
答案: 【y=0.4x+2.3】

2、 问题:在两个变量的回归分析中，作散点图是为了
选项：
A:直接求出回归直线方程
B:直接求出回归方程
C:根据经验选定回归方程的类型
D:估计回归方程的参数
答案: 【根据经验选定回归方程的类型】

3、 问题:下列两个变量之间的关系，哪个是函数关系
选项：
A:学生的性别与数学成绩
B:人的工作环境与健康状况
C:正方形的边长与面积
D:儿子的身高与父亲的身高
答案: 【正方形的边长与面积】

4、 问题:在线性回归方程y=a+bx中，回归系数b表示
选项：
A:当x=0时，y的平均值
B:x变动一个单位时，y的实际变动量
C:y变动一个单位时，x的平均变动量
D:x变动一个单位时，y的平均变动量
答案: 【x变动一个单位时，y的平均变动量】

5、 问题:若每一吨铸铁成本y（元）与铸件废品率x%建立的回归方程y=56+8x，下列说法正确的是
选项：
A:废品率每增加1%，成本每吨增加64元
B:废品率每增加1%，成本每吨增加8%
C:废品率每增加1%，成本每吨增加8元
D:废品率每增加1%，成本每吨增加56元
答案: 【废品率每增加1%，成本每吨增加8元】

6、 问题:若根据x与y之间的一组数据求得两个变量之间的线性回归方程为y=a+bx，已知：数据x的平均值为2，数据y的平均值为3，则
选项：
A:回归直线必过点（2，3）
B:回归直线不一定过点（2，3）
C:点（2，3）在回归直线上方
D:点（2，3）在回归直线下方
答案: 【回归直线必过点（2，3）】

7、 问题:下列结论正确的是
选项：
A:函数关系是一种确定性关系
B:相关关系是一种非确定性关系
C:回归分析是对具有函数关系的两个变量进行统计分析的一种方法
D:回归分析是对具有相关关系的两个变量进行统计分析的一种方法
答案: 【函数关系是一种确定性关系;
相关关系是一种非确定性关系;
回归分析是对具有相关关系的两个变量进行统计分析的一种方法】

8、 问题:广义加性模型由什么特点
选项：
A:可以自动对自变量和因变量进行非线性关系的建模
B:非线性拟合可能会提高对因变量的预测精度
C:在保持其他自变量不变的情形下可以分析每个自变量对因变量的单独效应
D:非线性拟合可能会降低对因变量的预测精度
答案: 【可以自动对自变量和因变量进行非线性关系的建模;
非线性拟合可能会提高对因变量的预测精度;