人工智能基础及应用(微课版) 习题及答案 第4章 机器学习.docx

上传人:王** 文档编号:1095595 上传时间:2024-03-26 格式:DOCX 页数:3 大小:18.52KB
下载 相关 举报
人工智能基础及应用(微课版) 习题及答案 第4章 机器学习.docx_第1页
第1页 / 共3页
人工智能基础及应用(微课版) 习题及答案 第4章 机器学习.docx_第2页
第2页 / 共3页
人工智能基础及应用(微课版) 习题及答案 第4章 机器学习.docx_第3页
第3页 / 共3页
亲,该文档总共3页,全部预览完了,如果喜欢就下载吧!
资源描述

《人工智能基础及应用(微课版) 习题及答案 第4章 机器学习.docx》由会员分享,可在线阅读,更多相关《人工智能基础及应用(微课版) 习题及答案 第4章 机器学习.docx(3页珍藏版)》请在优知文库上搜索。

1、习题一、选择题1 .关于k-近邻算法说法错误的是OA是机器学习B是无监督学习Ck代表分类个数Dk的选择对分类结果没有影响2 .关于k-近邻算法说法错误的是OA一般使用投票法进行分类任务Bk-近邻算法属于懒惰学习C训练时间普遍偏长D距离计算方法不同,效果也可能显著不同3 .关于决策树算法说法错误的是OA受生物进化启发B属于归纳推理C用于分类和预测D自顶向下递推4 .利用信息增益来构造的决策树的算法是OAID3决策树B递归C归约DFIFO5 .决策树构成的顺序是()A特征选择、决策树生成、决策树剪枝B决策树剪枝、特征选择、决策树生成C决策树生成、决策树剪枝、特征选择D特征选择、决策树剪枝、决策树生

2、成6 .朴素贝叶斯分类器属于O假设A样本分布独立B属性条件独立C后验概率已知D先验概率已知7 .支持向量机是指OA对原始数据进行采样得到的采样点B决定分类平面可以平移的范围的数据点C位于分类面上的点D能够被正确分类的数据点8 .关于支持向量机的描述错误的是OA是一种监督学习的方式B可用于多分类问题C支持非线性核函数D是一种生成式模型9 .关于k-均值算法的描述错误的是OA算法开始时,k-means算法时需要指定中心点B算法效果不受初始中心点的影响C算法需要样本与中心点之间的距离D属于无监督学习10 .k-Medoids与k-means聚类最大的区别在于()A中心点的选择规则B距离的计算法方法C

3、应用层面D聚类效果二、简答题1 .k-近邻算的基本思想是什么?2 .决策树的叶结点和非叶结点分别表示什么?3 .朴素贝叶斯分类器为什么是“朴素”的?4 .线性可分支持向量机的基本思想是什么?5 .核技巧是如何使线性支持向量机生成非线性决策边界的?6 .什么是聚类?聚类和分类有什么区别?7 .试举例聚类分析的应用场景,参考答案一、选择题1.D2,C3.A4.A5.D6.B7.C8.D9.B10.A二、简答题1 .请简述k近邻算法的思想答:给定一个训练样本集合D以及一个需要进行预测的样本X:对于分类问题,k-近邻算法从所有训练样本集合中找到与X最近的k个样本,然后通过投票法选择这k个样本中出现次数

4、最多的类别作为X的预测结果;对于回归问题,k近邻算法同样找到与X最近的k个样本,然后对这k个样本的标签求平均值,得到X的预测结果。2 .决策树的思想是什么?答:决策树的思想非常简单:给定个样本集合,其中每个样本由若干属性表示,决策网通过贪心的策略不断挑选最优的属性。对于离散属性以不同的属性值作为节点:对于连性,以属性值的特定分割点作为节点。将每个样本划分到不同的子树.再在各棵子树上业递归对子树上的样本进行划分,直到满足一定的终止条件为止。3 .简述聚类的目的,宗旨。答:聚类的目的是对样本集合进行自动分类,以发掘数据中隐藏的信息、结构,从而发现可能的商业价值。聚类时,相似的样本被划分到相同的类别,不同的样本被划分到不同的类别。聚类的宗旨是:类内距离最小化,类间距离最大化。同一个类别中的样本应该尽可能靠拢,不同类别的样本应该尽可能分离,以避免误分类的发生。4 .常用的核函数有哪些?答:(1)线性核函数,即支持向量机中的形式;(2)多项式核函数;(3)高斯核函数,又被称为径向基(RBF)函数。5 .决策树的叶结点和非叶结点分别表示什么?答:它的每一个叶子结点对应着一个分类,非叶子结点对应着在某个属性上的划分,根据样本在该属性上的不同取值降气划分成若干个子集。

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > IT计算机 > 人工智能

copyright@ 2008-2023 yzwku网站版权所有

经营许可证编号:宁ICP备2022001189号-2

本站为文档C2C交易模式,即用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。装配图网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知装配图网,我们立即给予删除!