人工智能导论单元练习题3及答案.docx

一、单选题1、按照学习方式分类时，在（）中，训练样本的标签信息是未知的，目标是通过对无标签训练样本的学习来揭示数据内在的性质及规律，为进一步的数据分析提供基础。A.有监督学习B.无监督学习C.半监督学习D.强化学习正确答案：B2、在强化学习中，智能体的学习过程是一个反复与环境进行交互，不断试错、不断进步的过程。在这个过程中，智能体在环境中会选择（）,环境可能因此改变自身（），同时环境会反馈智能体以（）。A.动作、状态、奖励B.状态、动作、奖励C.奖励、状态、动作D.动作、奖励、状态正确答案：A3、按照学习方式分类时，传统的SVM算法是经典的O方法，它能够根据训练样本的信息，找到一个最优分类超平面。A.有监督学习B.无监督学习C.半监督学习D.强化学习正确答案：A4、以下不是SVM的优点的是()。A.泛化能力比较强B.可以得到全局最优解C.可以解决高维问题D.核函数较难选择正确答案：D5、以下选项中，()不是分类任务常用的评价指标。A.总体精度(OA)B.平均精度(AA)CKaPPa系数(Kappa)D均方误差(MSE)正确答案：D6、在以下选项中，O是定义在特征空间上的、间隔最大、支持核技巧的分类器。A.支持向量机(SVM)B.k近邻法(KNN)C.决策树(DecisionTree)D.感知机(Perceptron)正确答案：A7、以下操作中不是模式识别数据预处理的是()。A.滤波操作B.信号增强C.特征选择D.特征提取正确答案：C8、局部线性嵌入中，原空间局部信息指的是（）。A.中心样本的局部邻域样本信息B.以上都是C.除中心样本外的样本对中心样本的线性表示信息D.邻域样本对中心样本的线性表示信息正确答案：D9、线性特征提取方法和非线性提取方法的区别在于（）是线性的还是非线性的。A.以上都不是B.数据分布C.数据特征D.映射函数正确答案：D10、衡量样本中相邻的数据点被划分到同一个聚类中的程度的指标是（）oA.连接度B.分类度C.以上都是D.一致性正确答案：A11、选择后验概率最大的类别作为样本的类别标签是以下哪种决策准则（）。A.最小风险准则B.最小错误率准则C.最小最大决策准则D.Neyman-Pearson准则正确答案：B二、多选题1、基于遗传算法的特征选择算法的优点包括（）oA.可获得全局最优解B.适用范围广C.不易陷入局部极值D.适合并行计算正确答案：B、C、D2、决策树构造中的剪枝处理的作用包括（）。A.减低训练错误率B.抑制过拟合C.降低测试错误率D.提高泛化性能正确答案：B、C、D三、填空题1、贝叶斯决策的两个先决条件是：已知类别数和O正确答案：已知各个类别的总体概率分布、先验概率和类条件概率密度2、在聚类过程中，如果数据中类别分布不均衡时，比误差平方和准则更加合理。正确答案：加权平均平方距离和准则3、自组织映射神经网络中隐藏层节点代表。正确答案：聚类中的类别四、判断题1、机器学习中的两个主要挑战为“欠拟合”和“过拟合二其中“欠拟合”指的是选择的模型包含的参数过多，以至于该模型对于已知数据预测得很好，但是对于未知数据预测的很差，使得训练误差和测试误差之间的差距太大。正确答案：X2、K-Means是一种无监督学习方法，可以用于将无标签的数据集进行聚类。正确答案：3、按照学习方式，机器学习可以分为监督学习、无监督学习、半监督学习和强化学习等。在监督学习中，训练样本的标签信息是已知的,根据样本标签是连续还是离散，监督学习又可以分为回归和分类。正确答案：4、SVM最初提出是针对二分类问题，但是可以很方便地使用“逐一鉴别”、“一一区分”等方法扩展到多分类问题中去。正确答案：