吴恩达机器学习-课后习题

原题参考链接https://www.kesci.com/home/project/5e0f01282823a10036b280a7

第 1 题
一个计算机程序从经验E中学习任务T，并用P来衡量表现。并且，T的表现P随着经验E的增加而提高。 假设我们给一个学习算法输入了很多历史天气的数据，让它学会预测天气。什么是P的合理选择？
C

A. 计算大量历史气象数据的过程 B. 以上都不 C. 正确预测未来日期天气的概率 D. 天气预报任务

第 2 题
假设你正在做天气预报，并使用算法预测明天气温（摄氏度/华氏度），你会把这当作一个分类问题还是一个回归问题？
B

A. 分类 B. 回归

第 3 题
假设你在做股市预测。你想预测某家公司是否会在未来7天内宣布破产（通过对之前面临破产风险的类似公司的数据进行训练）。你会把这当作一个分类问题还是一个回归问题？
A

A. 分类 B. 回归

第 4 题
下面的一些问题最好使用有监督的学习算法来解决，而其他问题则应该使用无监督的学习算法来解决。以下哪一项你会使用监督学习？（选择所有适用的选项）在每种情况下，假设有适当的数据集可供算法学习。
BCD

A. 根据一个人的基因（DNA）数据，预测他/她的未来10年患糖尿病的几率

B. 根据心脏病患者的大量医疗记录数据集，尝试了解是否有不同类患者群，我们可以为其量身定制不同的治疗方案

C. 让计算机检查一段音频，并对该音频中是否有人声（即人声歌唱）或是否只有乐器（而没有人声）进行分类

D. 给出1000名医疗患者对实验药物的反应（如治疗效果、副作用等）的数据，发现患者对药物的反应是否有不同的类别或“类型”，如果有，这些类别是什么

第 5 题
哪一个是机器学习的合理定义？
D

A. 机器学习从标记的数据中学习

B. 机器学习能使计算机能够在没有明确编程的情况下学习

C. 机器学习是计算机编程的科学

D. 机器学习是允许机器人智能行动的领域

第 6 题
基于一个学生在大学一年级的表现，预测他在大学二年级表现。 令x等于学生在大学第一年得到的“A”的个数（包括A-，A和A+成绩）学生在大学第一年得到的成绩。预测y的值：第二年获得的“A”级的数量 这里每一行是一个训练数据。在线性回归中，我们的假设，并且我们使用m来表示训练示例的数量。

| x | y |
| 3 | 2 |
| 1 | 2 |
| 0 | 1 |
| 4 | 3 |

对于上面给出的训练集（注意，此训练集也可以在本测验的其他问题中引用），m的值是多少？
4

第 7 题
对于这个问题，假设我们使用第一题中的训练集。并且，我们对代价函数的定义是 求
1

第 8 题
令问题1中，线性回归假设的，求？
11

第 9 题
代价函数与的关系如图2所示。“图1”中给出了相同代价函数的等高线图。根据图示，选择正确的选项（选出所有正确项）
BD

Image Name

A. 从B点开始，学习率合适的梯度下降算法会最终帮助我们到达或者接近A点，即代价函数在A点有最小值

B. 点P（图2的全局最小值）对应于图1的点C

C. 从B点开始，学习率合适的梯度下降算法会最终帮助我们到达或者接近C点，即代价函数在C点有最小值

D. 从B点开始，学习率合适的梯度下降算法会最终帮助我们到达或者接近A点，即代价函数在A点有最大值

E. 点P（图2的全局最小值）对应于图1的点A

第 10 题
假设对于某个线性回归问题（比如预测房价），我们有一些训练集，对于我们的训练集，我们能够找到一些，使得。 以下哪项陈述是正确的？（选出所有正确项）

A. 为了实现这一点，我们必须有，这样才能使
B. 对于满足的的值，其对于每个训练例子，都有
C. 这是不可能的：通过的定义，不可能存在使得
D. 即使对于我们还没有看到的新例子，我们也可以完美地预测y的值（例如，我们可以完美地预测我们尚未见过的新房的价格）

BD

---

自己做的题，答案可能有误哦。可以参考原题及答案。