下列关于机器学习的理解正确的有（   ）。

试卷相关题目

• 1如果想要训练一个ML模型，样本数量为100万个，特征维度为5000个，面对如此大数据，那么有效地训练模型可以采取的措施有（  ）。

  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

  开始考试点击查看答案
• 2假设目标遍历的类别非常不平衡，即主要类别占据了训练数据的99%,假设现在模型在训练集上表现为99%的准确度，那么下列说法正确的有（   ）。

  A.准确度并不适合衡量不平衡类别问题

  B.准确度适合衡量不平衡类别问题

  C.精确度和召回率适合于衡量不平衡类别问题

  D.精确度和召回率不适合衡量不平衡类别问题

  开始考试点击查看答案
• 3下列对模型性能提高有帮助的有（ ）。

  A.数据预处理

  B.特征工程

  C.机器学习算法

  D.模型集成

  开始考试点击查看答案
• 4机器学习的三个关键组成要素包含（ ）。

  A.任务T

  B.性能指标P

  C.目标函数V

  D.经验来源E

  开始考试点击查看答案
• 5下列关于范数规则化的描述正确的有（   ）。

  A.L0是指向量中0的元素的个数

  B.L1范数是指向量中各个元素绝对值之和

  C.L2范数向量元素绝对值的平方和再开平方

  D.L0是指向量中非0的元素的个数

  开始考试点击查看答案
• 6下列属于机器学习生成式模型的有（   ）。

  A.朴素贝叶斯

  B.隐马尔科夫模型

  C.线性回归模型

  D.深度信念网络

  开始考试点击查看答案
• 7集成学习中增强多样性的常见做法有（   ）。

  A.数据样本扰动

  B.输入属性扰动

  C.输出表示扰动

  D.算法参数扰动

  开始考试点击查看答案
• 8常用的冲突消解策略包括（   ）。

  A.投票法

  B.排序法

  C.元规则法

  D.调研法

  开始考试点击查看答案
• 9下列关于学习器结合的描述正确的有（   ）。

  A.避免单学习器可能因误选而导致泛化性能不佳

  B.降低陷入局部极小点的风险

  C.假设空间扩大有可能学得更好的近似

  D.多学习器结合有可能冲突

  开始考试点击查看答案
• 10随机森林在做数据处理方面的优势有（ ）。

  A.不需要做缺失值处理

  B.不需要处理噪声

  C.不需要做特征选择

  D.不需要平衡数据集

  开始考试点击查看答案