1. 下列哪個不屬於常用的文字分類的特徵選擇演算法？
a 卡方檢驗值
b 互資訊
c 資訊增益
d 主成分分析
2. 兩個變數的 pearson 相關性係數為零，但這兩個變數的值同樣可以相關。這句描述是正確還是錯誤？
a 正確
b 錯誤
3. 下面哪個選項中哪一項屬於確定性演算法？
a pca
b k-means
c 以上都不是
4. 假設你使用 log-loss 函式作為評估標準。下面這些選項，哪些是對作為評估標準的 log-loss 的正確解釋。
a 如果乙個分類器對不正確的分類很自信，log-loss 會嚴重的批評它
b 對乙個特別的觀察而言，分類器為正確的類別分配非常小的概率，然後對 log-loss 的相應分布會非常大
c log-loss 越低，模型越好
d 以上都是
5. 在 k-均值演算法中，以下哪個選項可用於獲得全域性最小？
a 嘗試為不同的質心（centroid）初始化執行演算法
b 調整迭代的次數
c 找到集群的最佳數量
d 以上所有
6. 你正在使用帶有 l1 正則化的 logistic 回歸做二分類，其中 c 是正則化引數，w1 和 w2 是 x1 和 x2 的係數。當你把 c 值從 0 增加至非常大的值時，下面哪個選項是正確的？
a 第乙個 w2 成了 0，接著 w1 也成了 0
b 第乙個 w1 成了 0，接著 w2 也成了 0
c w1 和 w2 同時成了 0
d 即使在 c 成為大值之後，w1 和 w2 都不能成 0
7. 以下說法中錯誤的是（）
a svm對雜訊（如來自其他分部的雜訊樣本）具備魯棒性
b 在adaboost演算法中，所有被分錯樣本的權重更新比例不相同
c boosting和bagging都是組合多個分類器投票的方法，二者都是根據單個分類器的正確率確定其權重
d 給定n個資料點，如果其中一半用於訓練，一半使用者測試，則訓練誤差和測試誤差之間的差別會隨著n的增加而減少的
8. 下列時間序列模型中,哪乙個模型可以較好地擬合波動性的分析和**。
a ar模型
b ma模型
c arma模型
d garch模型
9. 在其他條件不變的前提下，以下哪種做法容易引起機器學習中的過擬合問題？
a 增加訓練集量
b 減少神經網路隱藏層節點數
c 刪除稀疏的特徵
d svm演算法中使用高斯核/rbf核代替線性核
10. 隱馬爾可夫模型三個基本問題以及相應的演算法說法錯誤的是（ ）
a 評估—前向後向演算法
b 解碼—維特比演算法
c 學習—baum-welch演算法
d 學習—前向後向演算法
獲取答案和詳細的答案解析：
機器學習題 含答案和解析
1.目標變數在訓練集上的7個實際值為 1,1,1,1,0,0,0 目標變數的熵近似值是 log3 7 0.847,log4 7 0.560 a 0.683 b 0.683 c 0.724 d 0.243 2.關於k means聚類演算法說法不正確的是 a 對大資料集有較高的效率並且具有可伸縮性。b ...
機器學習題 含答案和解析
1.假設x公司的員工收入分布中位數為 35,000，25 和75 比例處的數值為 21,000 和 53,000。收入 1會被認為是異常值嗎？a 是 b 否 c 需要更多資訊 d 以上都不對 2.眾所周知，身高體重呈正相關。忽略圖表大小 變數被標準化了 下列兩張圖哪張更像描繪身高 x軸 體重 y軸 ...
機器學習題 含答案和解析
a 只有 1 b 只有 2 c 只有 3 2.下面哪個 些超引數的增加可能會造成隨機森林資料過擬合？1 樹的數量 2 樹的深度 3 學習速率 a 只有 1 b 有1 2 c 只有 3 d 都正確 3.下面哪一項對梯度下降 gd 和隨機梯度下降 sgd 的描述是正確的？1 在 gd 和 sgd 中，每...