特征选择在子集生成与搜索方面引入了人工智能搜索技术和子集评价方法。其中人工智能搜索技术有（   ）o

试卷相关题目

• 1针对维数灾难，主要采用的降维方法有（   ）。

  A.多维缩放

  B.主成分分析

  C.核化线性降维

  D.流形学习

  E.度量学习

  开始考试点击查看答案
• 2下列属于范数规则化作用的有（   ）。

  A.保证模型尽可能的简单，避免过拟合

  B.约束模型特征

  C.最小化问题

  D.最大化问题

  开始考试点击查看答案
• 3下列关于L1和L2范数的描述正确的有（   ）。

  A.L1范数为x向量各个元素绝对值之和

  B.L2范数为x向量各个元素平方和的1/2次方，L2范数又称Euclidean范数或Frobenius 范数

  C.L1范数可以使权值稀疏，方便特征提取

  D.L2范数可以防止过拟合，提升模型的泛化能力

  开始考试点击查看答案
• 4下列可以用于特征降维的方法有（ ）。

  A.主成分分析PCA

  B.线性判别分析LDA

  C.深度学习SparseAutoEncoder

  D.矩阵奇异值分解SVD

  开始考试点击查看答案
• 5如果希望减少数据集中的特征数量，则可以采取的措施有（ ）。

  A.使用正向选择法（Forward Selection ）

  B.使用反向消除法（Backward Elimination ）

  C.逐步选择消除法（Stepwise ）

  D.计算不同特征之间的相关系数，删去相关系数高的特征之一

  开始考试点击查看答案
• 6特征选择的目的有（  ）。

  A.减少特征数量、降维

  B.使模型泛化能力更强

  C.增强模型拟合能力

  D.减少过拟合。

  开始考试点击查看答案
• 7在正则化公式中，λ为正则化参数。下列关于λ的描述正确的有（ ）。

  A.若正则化参数λ过大，可能会导致出现欠拟合现象

  B.若λ太大，则梯度下降可能不收敛

  C.取一个合理的λ，可以更好地应用正则化

  D.如果令λ很大的话，为了使CostFunction尽可能的小，所有θ（不包括θ0）都会在一定程度上减小

  开始考试点击查看答案
• 8下列关于特征数据归一化的说法正确的有（ ）。

  A.特征数据归一化加速梯度下降优化的速度

  B.特征数据归一化有可能提高模型的精度

  C.线性归一化适用于特征数值分化比较大的情况

  D.概率模型不需要做归一化处理

  E."

  开始考试点击查看答案
• 9下列关于LDA判别分析思想的描述正确的有（   ）。

  A.同类样例的投影点尽可能近

  B.异类样例的投影点尽可能远

  C.同类样例的投影点尽可能远

  D.异类样例的投影点尽可能近

  E."

  开始考试点击查看答案
• 10下列方法中适合减少数据集中的特征数即降维的有（ ）。

  A.使用前向特征选择方法

  B.使用后向特征排除方法

  C.我们先把所有特征都使用，去训练一个模型，得到测试集上的表现。然后我们去掉一个特征，再去训练，用交叉验证看看测试集上的表现。如果表现比原来还要好，我们可以去除这个特征

  D.查看相关性表，去除相关性最高的一些特征

  E."

  开始考试点击查看答案