第一章 单元测试

1、

下面哪句话是正确的（ ）

A:机器学习模型的精准度越高，则模型的性能越好
B:增加模型的复杂度，总能减小测试样本误差
C:增加模型的复杂度，总能减小训练样本误差
D:其余选项说法都不对
答案: 增加模型的复杂度，总能减小训练样本误差

2、

评估模型之后，得出模型存在偏差，下列哪种方法可能解决这一问题（ ）

A:减少模型中特征的数量
B:向模型中增加更多的特征
C:增加更多的数据
D:向模型中增加更多的特征和增加更多的数据
E:其余选项全是
答案: 向模型中增加更多的特征

3、 以垃圾微信识别为例，Tom Mitchell的机器学习的定义中，任务T是什么？（ ）

A:T是垃圾微信
B:T是识别
C:T是性能度量
D:T是不必要条件
答案: T是识别

4、 如何在监督式学习中使用聚类算法（ ）？

A:首先，可以创建聚类，然后分别在不同的集群上应用监督式学习算法
B:在应用监督式学习算法之前，可以将其类别ID作为特征空间中的一个额外的特征
C:在应用监督式学习之前，不能创建聚类
D:在应用监督式学习算法之前，不能将其类别ID作为特征空间中的一个额外的特征
答案: 首先，可以创建聚类，然后分别在不同的集群上应用监督式学习算法
在应用监督式学习算法之前，可以将其类别ID作为特征空间中的一个额外的特征

5、 想要训练一个ML模型，样本数量有100万个，特征维度是5000，面对如此大数据，如何有效地训练模型（ ）？

A:对训练集随机采样，在随机采样的数据上建立模型
B:尝试使用在线机器学习算法
C:使用PCA算法减少特征维度
答案: 对训练集随机采样，在随机采样的数据上建立模型
尝试使用在线机器学习算法
使用PCA算法减少特征维度

6、 机器学习兴起于（ ）。

A:1960年
B:1970年
C:1980年
D:1990年
答案: 1980年
1990年

7、 监督学习包括是（ ）。

A:聚类算法
B:回归
C:分类
D:关联算法
答案: 回归
分类

8、 机器学习可以对电子商务产品评价进行好评与差评分类。（ ）

A:对
B:错
答案: 对

9、 机器学习必备知识包括数学基础、心理学基础、算法设计基础、商业模式基础。（ ）

A:对
B:错
答案: 错

10、 填空题机器学习是一门多学科交叉专业，涵盖_、_、近似理论知识和复杂算法知识，使用计算机作为工具并致力于真实实时的模拟人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率。
答案: 概率论知识
统计学知识

第二章 单元测试

1、

关于k-NN算法，以下哪个选项是正确的？

A:可用于分类
B:可用于回归
C:可用于分类和回归
答案: 可用于分类和回归

2、

k-NN算法在测试时间而不是训练时间上进行了更多的计算。

A:对
B:错
答案: 对

3、

假设算法是k最近邻算法，在下面的图像中，____将是k的最佳值。

A:3
B:10
C:20
D:50
答案: 10

4、

 一个kNN分类器，该分类器在训练数据上获得100％的准确性。而在客户端上部署此模型时，发现该模型根本不准确。以下哪项可能出错了？

注意：模型已成功部署，除了模型性能外，在客户端没有发现任何技术问题

A:可能是模型过拟合
B:可能是模型未拟合
C:不能判断
D:其余三个选项都不是
答案: 可能是模型过拟合

5、

以下是针对k-NN算法给出的两条陈述，其中哪一条是真的？

1、我们可以借助交叉验证来选择k的最优值

2、欧氏距离对每个特征一视同仁

A:1
B:2
C:1和2
D:1和2都不是
答案: 1和2

6、

你给出了以下2条语句，发现在k-NN情况下哪个选项是正确的？

1、如果k的值非常大，我们可以将其他类别的点包括到邻域中。

2、如果k的值太小，该算法会对噪声非常敏感

A:1
B:2
C:1和2
D:1和2都不是
答案: 1和2

7、

在下图中，下列哪一个k值可以给出最低的留一法交叉验证精度？

A:1
B:2
C:3
D:5
答案: 2

8、

如果一个经过训练的机器学习模型在测试集上达到 100% 的准确率，这是否意味着该模型将在另外一个新的测试集上也能得到 100% 的准确率呢？

A:是的，因为这个模型泛化能力已经很好了，可以应用于任何数据
B:不行，因为还有一些模型不确定的东西，例如噪声
答案: 不行，因为还有一些模型不确定的东西，例如噪声

9、

关于K折交叉验证，下列说法正确的是？

A:K值并不是越大越好，K值过大，会降低运算速度；
B:选择更大的K值，会让偏差更小，因为K值越大，训练集越接近整个训练样本
C:选择合适的K值，能减小验方差
D:其余选项都正确

答案: 其余选项都正确

第三章 单元测试

1、 下面有关决策树的描述，错误的是（ ）。

A:决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法
B:决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别
C:决策树易于理解和实现，人们在在学习过程中不需要使用者了解很多的背景知识，这同时是它的能够直接体现数据的特点，只要通过解释后都有能力去理解决策树所表达的意义
D:对于决策树，数据的准备需要海量的，并且需要能够同时处理数据型和常规型属性，在相对短的时间内能够对大型数据源做出可行且效果良好的结果
答案: 对于决策树，数据的准备需要海量的，并且需要能够同时处理数据型和常规型属性，在相对短的时间内能够对大型数据源做出可行且效果良好的结果

2、

决策树的优点在于（ ）。

A:直观简洁
B:简化决策过程
C:便于

3、 在决策树方法中，由决策节点引出的分支称为__，由自然状态节点引出的分支称为___。 （ ）

A:决策分支、状态分支
B:方案分支、概率分支
C:决策分支、概率分支
D:方案分支、状态分支
答案: 决策分支、概率分支

4、 决策树一般不包括。（ ）

A:时间节点
B:状态节点
C:结果节点
D:决策节点
答案: 时间节点

5、 以下哪个领域不是决策树算法擅长的应用领域？（ ）

A:垃圾邮件分类
B:医疗诊断
C:客户信用度分类
D:机器视觉
答案: 机器视觉

6、 决策树的构成要素包括：（ ）？

A:决策点
B:方案枝
C:状态节点
D:概率枝
答案: 决策点
方案枝
状态节点
概率枝

7、 在决策树剪枝中，常用的后剪枝法有：（ ）？

A:TP阈值剪枝法
B:REP错误率降低剪枝法
C:PEP悲观剪枝法
D:CCP代价复杂度剪枝法
答案: REP错误率降低剪枝法
PEP悲观剪枝法
CCP代价复杂度剪枝法

8、 决策树特征选择准则较常采用的三种指标是：（ ）？

A:信息增益（Information Gain）
B:信息熵（Information entropy）
C:信息增益率（Information Gain Ratio）
D:基尼指数（Gini Index )
答案: 信息增益（Information Gain）
信息增益率（Information Gain Ratio）
基尼指数（Gini Index )

9、 决策树的学习过程主要包括：（ ）？

A:特征选择
B:决策树的生成
C:数据清洗
D:决策树的剪枝
答案: 特征选择
决策树的生成
决策树的剪枝

10、 如果决策树过度拟合训练集，那么可以适当降低max_depth值，因为这样会限制模型，使其正则化。（ ）

A:对
B:错
答案: 对

11、 绘制决策树时，节点上的数字为此方案的损益期望值。（ ）

A:对
B:错
答案: 对

12、 填空题ID3决策树学习算法是以 为准则来划分的属性的。____
答案: 信息增益

13、 填空题C4.5决策树学习算法是以 为准则来划分的属性的。____
答案: 信息增益率

14、 填空题CAR决策树学习算法是以 为准则来划分的属性的。____
答案: 基尼指数

第四章 单元测试

1、 p1(x，y)属于类别R，p2(x，y)属于类别B，一个新数据点(x1，y1)，可以用下面的规则来判断它的类别（ ）。

A:如果p1(x1，y1) ＞ p2(x1，y1)，那么类别为B
B:如果p1(x1，y1) ＜ p2(x1，y1)，那么类别为R
C:如果p1(x1，y1) ＞ p2(x1，y1)，那么类别为R
D:如果p1(x1，y1) ＜ p2(x1，y1)，不清楚
答案: 如果p1(x1，y1) ＞ p2(x1，y1)，那么类别为R

2、 在PYTHON中实现中文商品评价词条向量应用（ ）。

A:分词函数jieba
B:分词函数jieba，再做向量化格式
C:根据在字典中存在情况转化为0和1
D:直接使用
答案: 分词函数jieba，再做向量化格式

3、 朴素贝叶斯中的朴素一词的来源就是（ ）

A:假设各特征之间相互独立
B:使得朴素贝叶斯算法变得简单
C:牺牲一定的分类准确率
D:一般的意思
答案: 假设各特征之间相互独立
使得朴素贝叶斯算法变得简单
牺牲一定的分类准确率

4、 朴素贝叶斯算法优缺点包括（ ）。

A:数据集属性之间是相互独立情况下，算法的逻辑性十分简单
B:数据集属性之间是相互独立情况下，算法较为稳定
C:数据集属性之间是相互独立情况下，会导致分类的效果大大降低
D:数据集属性之间是相互独立情况下，对于不同类型的数据集不会呈现出太大的差异性
答案: 数据集属性之间是相互独立情况下，算法的逻辑性十分简单
数据集属性之间是相互独立情况下，算法较为稳定
数据集属性之间是相互独立情况下，对于不同类型的数据集不会呈现出太大的差异性

5、 朴素贝叶斯算法工程应用分为三个阶段（ ）

A:计算概率阶段
B:数据准备阶段
C:朴素贝叶斯分类器构建与训练学习
D:部署与应用阶段
答案: 数据准备阶段
朴素贝叶斯分类器构建与训练学习
部署与应用阶段

6、 全概率公式解决的是由果索因的问题。（ ）

A:对
B:错
答案: 错

7、 将数据表格中数据进行预处理，转化为0、1格式，便于算法计算。（ ）

A:对
B:错
答案: 对

8、 拉普拉斯平滑(Laplace Smoothing)是比较常用的平滑方法，是为了解决0概率问题。（ ）

A:对
B:错
答案: 对

9、 填空题

P（购买 | 特征）=   P（   |    ）* P（   ） /   P（    ）   _、、 _、。

答案: 特征
购买
购买
特征

10、 填空题

词袋模型是为了解决商品各段评价文档中可能有重复单词，每遇到一个单词，增加词向量中对应值，采用____的方法实现。

答案: 累加1

11、 填空题

在相应小数位置进行四舍五入乘法运算中，计算结果可能就变成_。为了避免下溢出或者浮点数舍入导致的错误问题，对乘积结果取_方法。 

答案: 0
自然对数

第五章 单元测试

1、 线性回归要求因变量符合正态分布？（ ）

A:对
B:错
答案: 对

3、 下列关于线性回归说法错误的是（ ）

A:在现有模型上，加入新的变量，所得到的R^2的值总会增加
B:线性回归的前提假设之一是残差必须服从独立正态分布
C:残差的方差无偏估计是SSE/(n-p)
D:自变量和残差不一定保持相互独立
答案: 自变量和残差不一定保持相互独立

4、

在以下四个散点图中。其中适用于做线性回归的散点图为

A:1和2

B:1和3
C:2和3
D:3和4
答案: 1和3

5、

下列变量中，属于负相关的是

A:收入增加，储蓄额增加
B:产量增加，生产费用增加
C:收入增加，支出增加
D:价格下降，消费增加
答案: 价格下降，消费增加

6、

二次多项式回归，x的列数为2，则执行如下程序后，

polynomial = PolynomialFeatures(degree = 3)

x_transformed = polynomial.fit_transform(x)

x_transformed的列数为

A:1
B:2
C:3
D:4
E:5
F:6
答案: 5

7、

逻辑回归主要用来做回归吗？

A:是
B:否
答案: 否

8、

逻辑回归能否解决多分类问题？

A:是
B:否
答案: 是

9、

下列关于梯度下降法说法正确的是

A:梯度下降法就是不断地更新和调整学习率

B:梯度下降法就是不断地更新w和b的导数值

C:梯度下降法就是不断寻找损失函数的最大值

D:梯度下降法就是不断地更新w和b的值

答案: 梯度下降法就是不断地更新w和b的值

10、

逻辑回归中采用以下哪种方法来调整参数？

A:最小二乘法
B:最大似然法
C:杰卡德距离
答案: 最大似然法