（   ）是通过对无标记训练样本的学习来进行分类的。

试卷相关题目

• 1常用的代价函数有（ ）。

  A.均方误差

  B.均方根误差

  C.平均绝对误差

  D.交叉嫡

  开始考试点击查看答案
• 2在统计模式分类问题中，当先验概率未知时，可以使用（）。

  A.最小最大损失准则

  B.最小误判概率准则

  C.最小损失准则

  D.N-P判决

  开始考试点击查看答案
• 3下列关于特征的稀疏性的说法正确的有（   ）。

  A.稀疏性指的是矩阵中有许多列与当前学习任务无关

  B.稀疏样本可减少学习任务的计算开销

  C.学习任务难度可能有所降低

  D.稀疏矩阵没有高效的存储方法

  开始考试点击查看答案
• 4数据挖掘的主要功能包括概念描述、趋势分析、孤立点分析、（   ）等方面。

  A.关联分析

  B.分类和预测分析

  C.聚类分析

  D.偏差分析

  开始考试点击查看答案
• 5下列说法正确的有（   ）。

  A.条件独立性假设不成立时，朴素贝叶斯分类器仍有可能产生最优贝叶斯分类器

  B.在估计概率值时使用的拉普拉斯修正避免了因训练集样本不充分而导致概率估值为零的问题

  C.由于马尔可夫链通常很快就能趋于平稳分布，因此吉布斯采样算法的收敛速度很快

  D.二分类任务中两类数据满足高斯分布且方差相同时，线性判别分析产生贝叶斯最优分类器

  开始考试点击查看答案
• 6下列属于数值优化算法的有（ ）o

  A.梯度下降法

  B.牛顿法

  C.极大似然法

  D.逻辑回归

  开始考试点击查看答案
• 7按照涉及自变量的多少，可以将回归分析分为（   ）。

  A.线性回归分析

  B.非线性回归分析

  C.一元回归分析

  D.多元回归分析

  E.综合回归分析

  开始考试点击查看答案
• 8鉴别多元共线特征后，下一步可能的操作有（   ）。

  A.移除两个共线变量

  B.不移除两个变量，而是移除一个

  C.移除相关变量可能会导致信息损失，可以使用惩罚线性回归模型（如ridge或lasso regression）

  开始考试点击查看答案
• 9深度学习方法不适用的数据集有（   ）。

  A.数据样本充足

  B.数据样本不足

  C.数据集具有局部相关特性

  D.数据集没有局部相关特性

  E."

  开始考试点击查看答案
• 10下列关于神经网络的说法正确的有（   ）。

  A.增加网络层数，可能会增加测试集分类错误率

  B.增加网络层数，一定会增加训练集分类错误率

  C.减少网络层数，可能会减少测试集分类错误率

  D.减少网络层数，一定会减少训练集分类错误率

  开始考试点击查看答案