常用的冲突消解策略包括（   ）。

试卷相关题目

• 1集成学习中增强多样性的常见做法有（   ）。

  A.数据样本扰动

  B.输入属性扰动

  C.输出表示扰动

  D.算法参数扰动

  开始考试点击查看答案
• 2下列属于机器学习生成式模型的有（   ）。

  A.朴素贝叶斯

  B.隐马尔科夫模型

  C.线性回归模型

  D.深度信念网络

  开始考试点击查看答案
• 3下列关于机器学习的理解正确的有（   ）。

  A.非监督学习的样本数据是要求带标签的

  B.监督学习和非监督学习的区别在于是否要求样本数据带标签

  C.强化学习以输入数据作为对模型的反馈

  D.卷积神经网络一般用于图像处理等局部特征相关的数据

  开始考试点击查看答案
• 4如果想要训练一个ML模型，样本数量为100万个，特征维度为5000个，面对如此大数据，那么有效地训练模型可以采取的措施有（  ）。

  A.对训练集随机采样，在随机采样的数据上建立模型

  B.尝试使用在线机器学习算法

  C.使用PCA算法减少特征维度

  开始考试点击查看答案
• 5假设目标遍历的类别非常不平衡，即主要类别占据了训练数据的99%,假设现在模型在训练集上表现为99%的准确度，那么下列说法正确的有（   ）。

  A.准确度并不适合衡量不平衡类别问题

  B.准确度适合衡量不平衡类别问题

  C.精确度和召回率适合于衡量不平衡类别问题

  D.精确度和召回率不适合衡量不平衡类别问题

  开始考试点击查看答案
• 6下列关于学习器结合的描述正确的有（   ）。

  A.避免单学习器可能因误选而导致泛化性能不佳

  B.降低陷入局部极小点的风险

  C.假设空间扩大有可能学得更好的近似

  D.多学习器结合有可能冲突

  开始考试点击查看答案
• 7随机森林在做数据处理方面的优势有（ ）。

  A.不需要做缺失值处理

  B.不需要处理噪声

  C.不需要做特征选择

  D.不需要平衡数据集

  开始考试点击查看答案
• 8随机森林的随机性主要体现在（   ）。

  A.决策树选择的随机性

  B.数据集的随机性

  C.待选特征的随机性

  D.参数选择的随机性

  开始考试点击查看答案
• 9下列关于集成学习的说法正确的有（   ）。

  A.随机森林是减少模型的方差，而GBDT是减少模型的偏差

  B.组成随机森林的树可以并行生成，而GBDT是串行生成

  C.随机森林的结果是多数表决的，而GBDT则是多棵树累加之和

  D.随机森林对异常值不敏感，而GBDT对异常值比较敏感

  开始考试点击查看答案
• 10下列关于EM算法的描述正确的有（   ）。

  A.EM算法是常用的估计参数隐变量的利器

  B.EM算法即是期望最大化算法

  C.EM算法常被用来学习高斯混合模型的参数

  D.EM算法是一种迭代式的方法

  开始考试点击查看答案