机器学习-测试一（学习通）

一、单选题 （题数：10，共 95.0 分）

1Nave Bayes是一种特殊的Bayes分类器,特征变量是X,类别标签是C,它的一个假定是（）（10.0分）10.0 分
A、
各类别的先验概率P©是相等的
B、
P(X|C)是高斯分布
C、
以0为均值，sqr(2)/2为标准差的正态分布
D、
特变量X的各个维度是类别条件独立随机变量
正确答案： D 我的答案：D
答案解析：

2
下面关于ID3算法中说法错误的是（ ）

（5.0分）5.0 分
A、
ID3算法是一个二叉树模型

B、
选取信息增益最大的特征，作为树的根节点

C、
ID3算法要求特征必须离散化

D、
信息增益可以用熵，而不是GINI系数来计算

正确答案： A 我的答案：A
答案解析：

3以下属于欧式距离特性的有（）（10.0分）10.0 分
A、
不受量纲影响的特性
B、
旋转不变性
C、
尺度缩放不变性
D、
考虑了模式的分布
正确答案： B 我的答案：B
答案解析：

4以下属于不凸函数的是( )（10.0分）10.0 分
A、
x的平方
B、
x的立方
C、
log x
D、
e的x次方
正确答案： D 我的答案：D
答案解析：

5以下不属于影响聚类算法结果的主要因素有（）（10.0分）10.0 分
A、
分类准则
B、
模式相似性测度
C、
已知类别的样本质量
D、
特征选取
正确答案： C 我的答案：C
答案解析：

6以下哪些方法不可以直接来对文本分类？（10.0分）10.0 分
A、
Kmeans
B、
决策树
C、
支持向量机
D、
KNN
正确答案： A 我的答案：A
答案解析：

7影响基本K-均值算法的主要因素有（）（10.0分）10.0 分
A、
样本规模
B、
模式相似性测度
C、
聚类准则
D、
样本输入顺序
正确答案： B 我的答案：B
答案解析：

8关于logit回归和SVM 不正确的是（ ）（10.0分）10.0 分
A、
Logit回归的输出就是样本属于正类别的几率，可以计算出概率。
B、
SVM的目标是找到使得训练数据尽可能分开且分类间隔最大的超平面，应该属于结构风险最小化。
C、
SVM可以通过正则化系数控制模型的复杂度，避免过拟合。
D、
Logit回归本质上是一种根据样本对权值进行极大似然估计的方法，而后验概率正比于先验概率和似然函数的乘积。logit仅仅是最大化似然函数，并没有最大化后验概率，更谈不上最小化后验概率。
正确答案： D 我的答案：D
答案解析：

9在其它条件不变的前提下，以下哪种做法容易引起机器学习中的过拟合问题（ ）（10.0分）10.0 分
A、
SVM算法中使用高斯核/RBF核代替
B、
减少神经网络隐藏层节点数
C、
删除稀疏的特征
D、
增加训练集数量
正确答案： A 我的答案：A
答案解析：

10
一个二进制源X发出符号集为{-1,1}，经过离散无记忆信道传输，由于信道中噪音的存在，接收端Y收到符号集为{-1,1,0}。已知P(x=-1)=1/4，P(x=1)=3/4，P(y=-1|x=-1)=4/5，P(y=0|x=-1)=1/5，P(y=1|x=1)=3/4，P(y=0|x=1)=1/4，求条件熵H(Y|X)（ ）

（10.0分）10.0 分
A、
0.5372

B、
0.5273

C、
0.3275

D、
0.2375

正确答案： D 我的答案：D