机器学习mooc 作业答案参考

第一章

1. 下列哪位是人工智能之父？（ A）

A    Marniv Lee Minsky

B   HerbertA.Simon

C     Allen Newell

D    John Clifford Shaw

 

2. 根据王珏的理解，下列不属于对问题空间W的统计描述是（ D）

A    一致性假设

B     划分

C     泛化能力

D    学习能力

 

3. 下列描述无监督学习错误的是：（C ）

A    无标签

B     核心是聚类

C     不需要降维

D    具有很好的解释性

 

4. 下列描述有监督学习错误的是：（C ）

A. 有标签

B. 核心是分类

C. 所有数据都相互独立分布

D. 分类原因不透明

 

5. 下列哪种归纳学习采用符号表示方式？（A ）

1. 经验归纳学习
2. 遗传算法
3. 联接学习
4. 强化学习

 

6. 混淆矩阵的假正是指：（ B）

A. 模型预测为正的正样本

B. 模型预测为正的负样本

C. 模型预测为负的正样本

D. 模型预测为负的负样本

 

6. 混淆矩阵的真负率公式是为：（D ）

A.  TP/(TP+FN)

B.  FP/(FP+TN)

C.  FN/(TP+FN)

D.   TN/(TN+FP)

 

7.混淆矩阵中的TP=16，FP=12，FN=8，TN=4，准确率是（B ）

A.   1/4

B.   1/2

C.    4/7

D.   4/6

 

8混淆矩阵中的TP=16，FP=12，FN=8，TN=4，精确率是（C ）

A.   1/4

B.   1/2

C.    4/7

D.   2/3

 

9. 混淆矩阵中的TP=16，FP=12，FN=8，TN=4，召回率是（D ）

A.   1/4

B.   1/2

C.    4/7

D.   2/3

 

10.混淆矩阵中的TP=16，FP=12，FN=8，TN=4，F1-score是（ C）

A.   4/13

B.    8/13

C.    4/7

D.   2/3

 

第二章

1单选(2分) EM算法的E和M指什么？A

 

• A.Expectation-Maximum

• B.Expect-Maximum

• C.Extra-Maximum

• D.Extra-Max

2单选(2分)

EM算法的核心思想是？A

• A.通过不断地求取目标函数的下界的最优值，从而实现最优化的目标。

• B.列出优化目标函数，通过方法计算出最优值。

• C.列出优化目标函数，通过数值优化方法计算出最优值。

• D.列出优化目标函数，通过坐标下降的优化方法计算出最优值。

3判断(2分)

关于EM算法的收敛性，EM算法理论上不能够保证收敛。B

• A.√

• B.×

4判断(2分)

关于EM算法的用途，EM算法只适用不完全数据的情形。B

• A.√

• B.×

5.判断(2分)

Jessen不等式等号成立的条件是：变量为常数A

• A.√

• B.×

6.判断(2分)

Jessen不等式E(f(x)) >= f(E(x)), 左边部分大于等于右边部分的条件是函数f是凸函数，如果f是凹函数，左边部分应该是小于等于右边部分。A

• A.√

• B.×

7判断(2分)

EM算法因为是理论可以保证收敛的，所以肯定能够取得最优解。B

• A.√

• B.×

8判断(2分)

EM算法首先猜测每个数据来自哪个高斯分布，然后求取每个高斯的参数，之后再去重新猜测每个数据来自哪个高斯分布，类推进一步迭代，直到收敛，从而得到最后的参数估计值。A

• A.√

• B.×

9判断(2分)

EM算法，具有通用的求解形式，因此对任何问题，其求解过程都是一样，都能很容易求得结果。B

• A.√

• B.×

10判断(2分)

EM算法通常不需要设置步长，而且收敛速度一般很快。A

• A.√

• B.×

第三章

1 单选(2分)

LDA模型的隐变量Z是 A

      A.每个词对应的主题

• B.每篇文档对应的主题

• C.每段话对应的主题

• D.每个词组对应的主题

2单选(2分)

LDA模型中的一个主题指：A

• A.词集合上的一个概率分布

• B.词组集合上的一个概率分布

• C.整个文档上的一个概率分布

• D.整个文档集合上的一个概率分布

3多选(3分)

LDA模型在做参数估计时，最常用的方法是AB

• A.Gibbs采样方法

• B.变分推断

• C.梯度下降

• D.Beam search

4判断(2分)

吉布斯采样是一种通用的采样方法，对于任何概率分布都可以采样出对应的样本。B

• A. √

• B.×

5判断(2分)

LDA模型的核心假设是：假设每个文档首先由主题分布表示，然后主题由词概率分布表示，形成文档-主题-词的三级层次。 A

• A. √

• B.×

6判断(2分)

Gibbs采样是一类通用的采样方法，和M-H采样方法没有任何关系。 B

• A. √

• B.×

7判断(2分)

关于LDA模型中的K，K的指定，必须考虑数据集合的特点，选择一个较为优化的数值。A

• A. √

• B.×

8判断(2分)

LDA模型是一种生成式模型A

• A. √

• B.×

9判断(2分)

主题建模的关键是确定数据集合的主题个数。B

• A. √

• B.×

10判断(2分)

主题建模本质上是：

一种新的文档表示方法，主要是通过主题的分布来表示一个文档。

一种数据压缩方法，将文档压缩在更小的空间中。A

• A. √

• B.×

 

 

后续持续更新ing