下列可以用于特征降维的方法有（ ）。

试卷相关题目

• 1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
• 2下列可以用来评估线性回归模型的指标有（ ）。

  A.R-Squared

  B.Adjusted R-Squared

  C.F Statistics

  D.RMSE / MSE / MAE

  开始考试点击查看答案
• 3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
• 4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
• 5HighBias （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
• 6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
• 7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
• 8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
• 9特征选择在子集生成与搜索方面引入了人工智能搜索技术和子集评价方法。其中人工智能搜索技术有（   ）o

  A.分支界限法

  B.浮动搜索法

  C.信息嫡

  D.AIC

  开始考试点击查看答案
• 10特征选择的目的有（  ）。

  A.减少特征数量、降维

  B.使模型泛化能力更强

  C.增强模型拟合能力

  D.减少过拟合。

  开始考试点击查看答案