2020 机器学习(浙江大学) 最新满分章节测试答案

文章目录[隐藏]

本答案对应课程为:点我自动跳转查看
本课程起止时间为:2020-11-30到2021-01-31

第一章引言单元小测

1、问题:以下学习策略中，使用的训练数据只有部分存在标签的是
选项：
A:半监督学习
B:无监督学习
C:监督学习
D:以上都是
答案: 【半监督学习】

2、问题:下面符合特征选择标准的是
选项：
A:越多越好
B:越少越好
C:选择能够反映不同事物差异的特征
D:以上均不对
答案: 【选择能够反映不同事物差异的特征】

3、问题:给定一定数量的红细胞、白细胞图像以及它们对应的标签，设计出一个红、白细胞分类器，这属于（）问题
选项：
A:监督学习
B:半监督学习
C:无监督学习
D:以上都可以
答案: 【监督学习】

4、问题:给定一定数量的红细胞、白细胞图像，但是并不知道图像与标签的对应关系，设计一个红白细胞分类器，这属于（）问题
选项：
A:监督学习
B:无监督学习
C:半监督学习
D:以上都可以
答案: 【无监督学习】

5、问题:“没有免费的午餐定理”告诉我们
选项：
A:没有可以适应一切问题的算法
B:对于一个特定的问题，任何算法都是一样好的
C:设计好的算法是徒劳的
D:我们不能对问题有先验假设
答案: 【没有可以适应一切问题的算法】

1、问题:对于在原空间中线性不可分的问题，支持向量机（）
选项：
A:在原空间中寻找线性函数划分数据
B:在原空间中寻找非线性函数划分数据
C:利用核函数把数据映射到高维空间
D:无法处理
答案: 【利用核函数把数据映射到高维空间】

2、问题:混淆矩阵中FN（False Negative）的含义是（）
选项：
A:将正样本识别为正样本的数量（或概率）
B:将正样本识别为负样本的数量（或概率）
C:将负样本识别为正样本的数量（或概率）
D:将负样本识别为负样本的数量（或概率）
答案: 【将正样本识别为负样本的数量（或概率）】

3、问题:利用混淆矩阵计算识别率的公式是（）
选项：
A:TP/（TP+FP）
B:TP/（TP+FN）
C:（TP+TN）/（TP+TN+FP+FN）
D:都不对
答案: 【（TP+TN）/（TP+TN+FP+FN）】

4、问题:支持向量机只能解决数据线性可分的问题。
选项：
A:正确
B:错误
答案: 【错误】

5、问题:人为改变支持向量机的阈值可以同时增大TP、FP，从而提升算法的性能。
选项：
A:正确
B:错误
答案: 【错误】

6、问题:一个凸优化问题可以有多个极值点
选项：
A:正确
B:错误
答案: 【错误】

7、问题:支持向量机不会受到噪声的影响
选项：
A:正确
B:错误
答案: 【错误】

1、问题:（）层神经网络模型可以模拟任意决策面。
选项：
A:1
B:2
C:3
D:以上都可以
答案: 【3】

2、问题:下列是神经网络中常见的超参数的是（）
选项：
A:批大小
B:学习率
C:正则化参数
D:以上都是
答案: 【以上都是】

3、问题:在训练神经网络的过程中，如果刚训练几步损失函数的值就开始剧烈抖动，大概率是因为（）
选项：
A:学习率过大
B:学习率过小
C:模型已经训练好了
D:以上都不可能造成上述情况
答案: 【学习率过大】

4、问题:在神经网络的训练初期，损失函数值很大且下降速度过于缓慢，大概率是因为（）
选项：

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