下列可以用来评估线性回归模型的指标有（ ）。

试卷相关题目

• 1如果将A、B、C三个分类器的P-R曲线画在一个图中，其中A、B的P-R曲线可以完全包含住C的P-R曲线，A、B的P-R曲线有交点，A、B、C的平衡点分别 为0.79、0.66. 0.58,则下列说法中正确的有（ ）。

  A.学习器A的性能优于学习器C

  B.学习器A的性能优于学习器B

  C.学习器B的性能优于学习器C

  D.学习器C的姓能优于学习器B

  开始考试点击查看答案
• 2关于特征向量的缺失值处理方式如下：缺失值较多，直接将该特征舍弃掉，否则可能会带入较大的noise,对结果造成不良影响；缺失值较少，其余的特征缺失值都在10%以内，可以采取的处理方式有（   ）。

  A.把NaN直接作为一个特征，假设用0表示

  B.用均值填充

  C.用随机森林等算法预测填充

  D.以上选项都不正确

  开始考试点击查看答案
• 3HighBias （高偏差）的解决方式有（    ）。

  A.Boosting

  B.复杂模型（非线性模型、增加神经网络中的层）

  C.更多特征

  D.以上选项都不正确

  开始考试点击查看答案
• 4下列关于AUC面积的描述正确的有（   ）。

  A.AUC被定义为ROC曲线下与坐标轴围成的面积

  B.AUC面积的值大于1

  C.AUC面积的值等于0.5时，真实性最低，无应用价值

  D.AUC面积的值越接近1.0,检测方法真实性越高

  开始考试点击查看答案
• 5重新划分样本到正例类和反例类。下列说法正确的有（ ）。

  A.增加阈值不会提高召回率

  B.增加阈值会提高召回率

  C.增加阈值不会降低查准率

  D.增加阈值会降低查准率

  开始考试点击查看答案
• 6如果希望减少数据集中的特征数量，则可以采取的措施有（ ）。

  A.使用正向选择法（Forward Selection ）

  B.使用反向消除法（Backward Elimination ）

  C.逐步选择消除法（Stepwise ）

  D.计算不同特征之间的相关系数，删去相关系数高的特征之一

  开始考试点击查看答案
• 7下列可以用于特征降维的方法有（ ）。

  A.主成分分析PCA

  B.线性判别分析LDA

  C.深度学习SparseAutoEncoder

  D.矩阵奇异值分解SVD

  开始考试点击查看答案
• 8下列关于L1和L2范数的描述正确的有（   ）。

  A.L1范数为x向量各个元素绝对值之和

  B.L2范数为x向量各个元素平方和的1/2次方，L2范数又称Euclidean范数或Frobenius 范数

  C.L1范数可以使权值稀疏，方便特征提取

  D.L2范数可以防止过拟合，提升模型的泛化能力

  开始考试点击查看答案
• 9下列属于范数规则化作用的有（   ）。

  A.保证模型尽可能的简单，避免过拟合

  B.约束模型特征

  C.最小化问题

  D.最大化问题

  开始考试点击查看答案
• 10针对维数灾难，主要采用的降维方法有（   ）。

  A.多维缩放

  B.主成分分析

  C.核化线性降维

  D.流形学习

  E.度量学习

  开始考试点击查看答案