大數(shù)據(jù)解析與應(yīng)用導(dǎo)論知到智慧樹章節(jié)測試課后答案2024年秋浙江大學(xué)

大數(shù)據(jù)解析與應(yīng)用導(dǎo)論知到智慧樹章節(jié)測試課后答案2024年秋浙江大學(xué)第一章單元測試

下列屬于多元統(tǒng)計方法的為（）

A:回歸分析

B:神經(jīng)網(wǎng)絡(luò)

C:決策樹

D:主元分析

答案:回歸分析

；主元分析

多元統(tǒng)計分析的圖表示法有（）

A:調(diào)和曲線圖

B:散布圖矩陣

C:輪廓圖

D:雷達圖

答案:調(diào)和曲線圖

；散布圖矩陣

；輪廓圖

；雷達圖

完整的數(shù)據(jù)分析過程，包括數(shù)據(jù)采集、數(shù)據(jù)清洗和數(shù)據(jù)分析。（）

A:對B:錯

答案:對下列場景適用于回歸分析的是()

A:人臉識別

B:水果分揀

C:信息濃縮

D:天氣預(yù)報

答案:天氣預(yù)報

下面哪一句體現(xiàn)了主元分析的思想（）

A:笨鳥先飛

B:牽牛要牽牛鼻子

C:人不是一座孤島

D:物以類聚，人以群分

答案:牽牛要牽牛鼻子

第二章單元測試

一般常見的缺失值處理的方法有（）

A:回歸填充法

B:最近鄰插補填充法

C:插值填充

D:替換填充法

答案:回歸填充法

；最近鄰插補填充法

；插值填充

；替換填充法

一般常見的數(shù)據(jù)歸一化的方法有（）

A:零均值規(guī)范化

B:替換填充法

C:回歸填充法

D:最小最大規(guī)范化

答案:零均值規(guī)范化

；最小最大規(guī)范化

少量的異常值完全不會影響數(shù)據(jù)分析。（）

A:錯B:對

答案:錯下列哪種方法不是數(shù)據(jù)填補的手段()

A:回歸填充法

B:替換填充法

C:均值標(biāo)準(zhǔn)化

D:插值填充法

答案:均值標(biāo)準(zhǔn)化

主成分分析的英文名是（）。

A:PrincipalComponentAnalysis

B:OrdinaryLeastSquares

C:CanonicalComponentAnalysis

D:PartialLeastSquares

答案:PrincipalComponentAnalysis

第三章單元測試

下面哪個是SVM在實際生活中的應(yīng)用（）

A:郵件分類

B:房價預(yù)測

C:圖片分類

D:文本翻譯

答案:郵件分類

；圖片分類

以下說法正確的有哪些（）

A:軟間隔的引入可以解決輕度線性不可分問題

B:核方法不能解決非線性問題

C:SVM只能夠解決回歸問題

D:SVM是一種線性方法

答案:軟間隔的引入可以解決輕度線性不可分問題

；SVM是一種線性方法

拉格朗日乘子法可用于線性可分SVM的模型求解。（）

A:錯B:對

答案:對SVM的中文全稱叫什么？（）

A:最小向量分類器

B:支持向量回歸器

C:支持向量機

D:最大向量分類器

答案:支持向量機

SVM算法的最小時間復(fù)雜度是O（n2），基于此，以下哪種規(guī)格的數(shù)據(jù)集并不適該算法？（）

A:小數(shù)據(jù)集

B:不受數(shù)據(jù)集的大小影響

C:中等數(shù)據(jù)集

D:大數(shù)據(jù)集

答案:大數(shù)據(jù)集

第四章單元測試

一元線性回歸有哪些基本假定？（）

A:隨機誤差項服從零均值、同方差的正態(tài)分布。

B:隨機誤差項和解釋變量X不相關(guān)；

C:隨機誤差項具有零均值、同方差和序列不相關(guān)的性質(zhì)；

D:解釋變量X是確定性變量，Y是隨機變量；

答案:隨機誤差項服從零均值、同方差的正態(tài)分布。

；隨機誤差項和解釋變量X不相關(guān)；

；隨機誤差項具有零均值、同方差和序列不相關(guān)的性質(zhì)；

；解釋變量X是確定性變量，Y是隨機變量；

最典型的兩種擬合不佳的情況是（）。

A:過擬合

B:弱擬合

C:欠擬合

D:強擬合

答案:過擬合

；欠擬合

嶺回歸適用于樣本很少，但變量很多的回歸問題。（）

A:對B:錯

答案:對最小二乘方法的擬合程度衡量指標(biāo)是（）。

A:殘差平方和

B:均值差

C:擬合殘差

D:殘差和

答案:殘差平方和

關(guān)于最小二乘法，下列說法正確的是。（）

A:最小二乘法要求樣本點到擬合直線的豎直距離的平方和最小

B:最小二乘法要求樣本點到擬合直線的垂直距離的平方和最小

C:最小二乘法要求樣本點到擬合直線的豎直距離的和最小

D:最小二乘法要求樣本點到擬合直線的垂直距離的和最小

答案:最小二乘法要求樣本點到擬合直線的豎直距離的平方和最小

第五章單元測試

在區(qū)分某個算法是否是聚類算法時，往往可以通過該算法是否需要預(yù)先設(shè)定明確的類中心來判斷（）。

A:對B:錯

答案:對閔可夫斯基距離是一組距離的定義，下列距離中屬于閔可夫斯基距離的有（）

A:切比雪夫距離

B:曼哈頓距離

C:歐式距離

D:馬氏距離

答案:切比雪夫距離

；曼哈頓距離

；歐式距離

在利用EM算法估計高斯混合模型參數(shù)的時候，需要預(yù)先設(shè)定的參數(shù)有（）。

A:類別個數(shù)

B:高斯元的方差

C:高斯元的均值

D:高斯元的權(quán)重系數(shù)

答案:類別個數(shù)

；高斯元的方差

；高斯元的均值

；高斯元的權(quán)重系數(shù)

聚類算法是一種（）的學(xué)習(xí)方式。

A:Q型

B:有監(jiān)督

C:自上而下

D:無監(jiān)督

答案:無監(jiān)督

理想情況下，K均值算法中確定類別個數(shù)的最佳方式為（）。

A:根據(jù)比較不同類別個數(shù)時的聚類效果來確定

B:結(jié)合先驗知識確定

C:無需提前確定，可以在訓(xùn)練中得到

D:隨機確定

答案:結(jié)合先驗知識確定

第六章單元測試

隨機森林只能選擇決策樹作為基分類器。（）

A:對B:錯

答案:錯在Bootstrap自助采樣法中，真實的情況是（）。

A:在每一次采樣中，樣本之間不重復(fù)；在完成n次采樣之后，所有樣本都會被采集到

B:在每一次采樣中，樣本之間可能有重復(fù)；在完成n次采樣之后，所有樣本都會被采集到

C:在每一次采樣中，樣本之間不重復(fù)；在完成n次采樣之后，有些樣本可能沒有被采集到

D:在每一次采樣中，樣本之間可能有重復(fù)；在完成n次采樣之后，有些樣本可能沒有被采集到

答案:在每一次采樣中，樣本之間可能有重復(fù)；在完成n次采樣之后，有些樣本可能沒有被采集到

對于離散型隨機變量X，它的熵取決于（）。

A:X取每個值的概率

B:X的期望

C:X的分布函數(shù)

D:X的取值范圍

答案:X取每個值的概率

隨機森林有哪些優(yōu)點（）。

A:減弱單決策樹的過擬合情況

B:訓(xùn)練速度快

C:可以處理高維度數(shù)據(jù)

D:可以給出特征的重要性大小

答案:減弱單決策樹的過擬合情況

；訓(xùn)練速度快

；可以處理高維度數(shù)據(jù)

；可以給出特征的重要性大小

隨機森林的隨機性體現(xiàn)在哪里（）

A:每棵樹的結(jié)點采用隨機屬性搜索

B:每棵樹采用隨機取樣訓(xùn)練

C:隨機刪除一些樹內(nèi)結(jié)點

D:隨機采用隨機抽取的樣本來訓(xùn)練整個隨機森林

答案:每棵樹的結(jié)點采用隨機屬性搜索

；每棵樹采用隨機取樣訓(xùn)練

第七章單元測試

典型相關(guān)分析適用于分析兩組變量之間的關(guān)系（）

A:錯B:對

答案:對CCA算法在求解時，分別在兩組變量中選取具有代表性的綜合變量Ui,Vi，每個綜合變量是原變量的線性組合，選擇綜合變量時的目標(biāo)是（）

A:最小化兩者的相關(guān)系數(shù)

B:最大化兩者的距離

C:最大化兩者的相關(guān)系數(shù)

D:最小化兩者的距離

答案:最大化兩者的相關(guān)系數(shù)

相比于普通CCA算法，KernelCCA（）

A:將標(biāo)簽信息融入到CCA框架中

B:使用了自編碼器

C:只考慮臨近點的影響

D:能分析兩組隨機變量之間的非線性關(guān)系

答案:能分析兩組隨機變量之間的非線性關(guān)系

關(guān)于典型相關(guān)分析CCA與主成分分析PCA，下面說法錯誤的是（）

A:考慮了變量的相關(guān)性信息

B:都基于變量的線性變換

C:PCA可以視為一種降維技術(shù)，CCA不可以視為一種降維技術(shù)

D:是否進行歸一化，都不影響分析結(jié)果

答案:PCA可以視為一種降維技術(shù)，CCA不可以視為一種降維技術(shù)

；是否進行歸一化，都不影響分析結(jié)果

傳統(tǒng)典型相關(guān)分析的基本假設(shè)包括（）

A:變量間的關(guān)系是線性關(guān)系：每對典型變量之間是線性關(guān)系，每個典型變量與本組變量之間也是線性關(guān)系；

B:變量具有正態(tài)性；

C:兩組變量的地位是相等的。

D:樣本的同質(zhì)性高，但各組內(nèi)變量間不能有高度的復(fù)共線性。

答案:變量間的關(guān)系是線性關(guān)系：每對典型變量之間是線性關(guān)系，每個典型變量與本組變量之間也是線性關(guān)系；

；變量具有正態(tài)性；

；兩組變量的地位是相等的。

；樣本的同質(zhì)性高，但各組內(nèi)變量間不能有高度的復(fù)共線性。

第八章單元測試

為了提高預(yù)測結(jié)果的精度，網(wǎng)絡(luò)結(jié)構(gòu)設(shè)置得越復(fù)雜越好，不必考慮訓(xùn)練網(wǎng)絡(luò)時所花費的時間。（）

A:錯B:對

答案:錯下面哪個函數(shù)不是神經(jīng)元的激活函數(shù)（）

A:

B:

C:

D:

答案:

關(guān)于卷積神經(jīng)網(wǎng)絡(luò)CNN，以下說法錯誤的是：（）

A:由于卷積核的大小一般是3*3或更大，因此卷積層得到的特征圖像一定比原圖像小。

B:CNN中的池化層用于降低特征圖維數(shù)，以避免過擬合。

C:CNN中的全連接層常用softmax作為激活函數(shù)。

D:CNN由卷積層、池化層和全連接層組成，常用于處理與圖像有關(guān)的問題。

答案:由于卷積核的大小一般是3*3或更大，因此卷積層得到的特征圖像一定比原圖像小。

相較于傳統(tǒng)RNN，LSTM引入了獨特的門控機制。以下哪些是LSTM中包含的門結(jié)構(gòu)：（）

A:遺忘門

B:輸出門

C:更新門

D:輸入門

答案:遺忘門

；輸出門

；輸入門

關(guān)于卷積神經(jīng)網(wǎng)絡(luò)CNN與循環(huán)神經(jīng)網(wǎng)絡(luò)RNN，下面說法正確的有：（）

A:在同一個網(wǎng)絡(luò)中，CNN結(jié)構(gòu)和RNN結(jié)構(gòu)不能同時使用。

B:CNN適用于圖像處理，而RNN適用于序列數(shù)據(jù)處理。

C:CNN和RNN都屬于神經(jīng)網(wǎng)絡(luò)，因此二者的訓(xùn)練方式完全一致，均采用BP算法。

D:CNN和RNN都采用了權(quán)值共享機制以減少網(wǎng)絡(luò)中的參數(shù)量。

答案:CNN適用于圖像處理，而RNN適用于序列數(shù)據(jù)處理。

；CNN和RNN都采用了權(quán)值共享機制以減少網(wǎng)絡(luò)中的參數(shù)量。

第九章單元測試

自編碼器的訓(xùn)練屬于半監(jiān)督學(xué)習(xí)。（）

A:錯B:對

答案:錯下面哪一種算法屬于生成式模型（）。

A:決策樹

B:變分自編碼器

C:支持向量機

D:線性回歸模型

答案:變分自編碼器

關(guān)于去噪自編碼器DAE，以下說法錯誤的是：（）

A:DAE的Loss函數(shù)用于最小化預(yù)測結(jié)果與噪聲數(shù)據(jù)間的誤差。

B:DAE訓(xùn)練時需要保證訓(xùn)練數(shù)據(jù)的完整性。

C:DAE中假設(shè)所有含噪樣本的損壞過程一致。

D:DAE一般以含噪聲數(shù)據(jù)作為輸入，并輸出重構(gòu)的去噪數(shù)據(jù)。

答案:DAE的Loss函數(shù)用于最小化預(yù)測結(jié)果與噪聲數(shù)據(jù)間的誤差。

在稀疏自編碼器中，假設(shè)神經(jīng)元采用tanh作為激活函數(shù)，則：（）

A:當(dāng)神經(jīng)元的輸出接近1的時候，認(rèn)為它被激活。

B:當(dāng)神經(jīng)元的輸出接近0的時候，認(rèn)為它被激活。

C:當(dāng)神經(jīng)元的輸出接近0的時候，認(rèn)為它被抑制。

D:當(dāng)神經(jīng)元的輸出接近-1的時候，認(rèn)為它被抑制。

答案:當(dāng)神經(jīng)元的輸出接近1的時候，認(rèn)為它被激活。

；當(dāng)神經(jīng)元的輸出接近-1的時候，認(rèn)為它被抑制。

關(guān)于變分自編碼器VAE，以下說法正確的有：（）

A:VAE的變分下界中，KL散度項可以為負(fù)值。

B:VAE的變分下界由KL散度項和模型重建誤差項組成。

C:VAE是一類生成模型，可用于訓(xùn)練出一個樣本的生成器。

D:VAE廣泛用于生成圖像。

答案:VAE的變分下界由KL散度項和模型重建誤差項組成。

；VAE是一類生成模型，可用于訓(xùn)練出一個樣本的生成器。

；VAE廣泛用于生成圖像。

第十章單元測試

一般情況下我們在模型訓(xùn)練及調(diào)參前要先進行數(shù)據(jù)分析預(yù)處理以及特征工程，這是十分必要的一環(huán)（）。

A:對B:錯

答案:對對于糖尿病的血糖預(yù)測，我們可以考慮使用（）方法。

A:DNN

B:LSTM

C:SVM

D:SVR

答案:DNN

；LSTM

；SVR

工業(yè)蒸汽量預(yù)