骆瞎坞陈粒舌筹蒙涧嘉弘袒晴
本答案对应课程为:点我自动跳转查看
本课程起止时间为:2021-03-17到2021-06-30
本篇答案更新状态:已完结
第四章 线性判据与回归(一) 第四章测试题
1、 问题:以下不属于线性判决的算法有
选项:
A:Fisher判决
B:支持向量机
C:朴素贝叶斯
D:感知机
答案: 【朴素贝叶斯】
2、 问题:isher线性判别函数的求解过程是将M维特征矢量投影在()中求解。
选项:
A:M-1维空间
B:一维空间
C:二维空间
D:三维空间
答案: 【一维空间】
3、 问题:已知两类训练样本为C1={[3,3],[4,3]}, C2={[1,1]},使用感知机算法求解两个类的决策边界,以下几个解参数满足条件的有()
选项:
A:[1,1,-1]
B:[3,3,-1]
C:[1,1,-3]
D:[2,2,-2]
答案: 【[1,1,-3]】
4、 问题:已知SVM算法的最小时间复杂度是O(n²),以下哪种规格的数据集并不适该算法?
选项:
A:大数据集
B:中数据集
C:小数据集
D:不受数据集大小影响
答案: 【大数据集】
5、 问题:训练好的SVM抛弃非支持向量的样本,仍然可以对新样本进行分类。
选项:
A:正确
B:错误
答案: 【正确】
6、 问题:支持向量是最靠近决策边界的数据点。
选项:
A:正确
B:错误
答案: 【正确】
7、 问题:感知机可以实现非线性分类。
选项:
A:正确
B:错误
答案: 【错误】
8、 问题:采用支持向量机得到决策边界,如果支持向量保留,删除其他样本,重复训练,则新的决策边界与原来的决策边界相同。
选项:
A:正确
B:错误
答案: 【正确】
9、 问题:支持向量机的目标函数是最小化间隔,并转化为求解一个凸二次优化问题。
选项:
A:正确
B:错误
答案: 【错误】
10、 问题:阅读下面 Matlab 代码完成程序填空%PERCEPTRON 并行感知计算法,处理二分类问题,标签只能为+1和-1 %函数原型 % [prediction, accuracy] = perceptron(TrainingSample, TrainingLabel, TestingSample, TestingLabel) %参数: % TrainingSample: 训练数据 % TrainingLabel: 训练标签 % TestingSample: 测试数据 % TestingLabel: 测试标签 %返回值: % prediction: 分类结果 % accuracy: 识别率function [prediction, accuracy] = perceptron(TrainingSample, TrainingLabel, TestingSample, TestingLabel)
%% 提取维度数据
numTraining = size(TrainingSample,1);
%% step 1:扩充数据
TrainingSample = [TrainingSample,1(numTraining,1)];
%% step 2:数据取反
TrainingSample(TrainingLabel < 0,:) = -TrainingSample(TrainingLabel < 0,:);
%% step 3:学习
a = TrainingSample(1,:);
count = 0;
change = 1;
threshold = numTraining * 5;%最大迭代次数
while(change>0 && count < threshold)
count = count + 1;
change = 0;
sum_y = sum(TrainingSample(TrainingSample * a'<0,:));
if any(sum_y~=0)
change = change + 1;
end
a = a + 2;
end
%% step 4:计算预测结果
numTesting = size(TestingSample,1);
TestingSample = [TestingSample,ones(numTesting,1)];
prediction = TestingSample * a’;
prediction(prediction>0)=1;
prediction(prediction<=0)=-1;
%% step 5:计算识别精度
numRight= size(prediction(TestingLabel 3 prediction),1)
accuracy =numRight/numTesting;
end请补充step 1:扩充数据中 1 处缺失函数名称
答案: 【ones】
11、 问题:请补充step 3:学习中 2 处缺失参数名称
答案: 【sum_y】
12、 问题:请补充step5:计算识别精度中 3处缺失的符号()
答案: 【==】
13、 问题:MAP分类器属于生成模型,支持向量机属于()模型
答案: 【判别】
14、 问题:假定现在有一个四分类问题,若要用One-vs-all策略训练一个SVM的模型,请问需要训练()个SVM模型。(请输入阿拉伯数字)
答案: 【4】
15、 问题:给定一个分类边界
,其中
,x0=1.2则点[1.5,-2] 到该分类边界的距离为( )。(保留两位小数)
答案: 【[-2.2,-2.1)】
第一章 模式识别基本概念 模式识别与机器学习第一章测验
1、 问题:聚类技术属于()
选项:
A:有监督式学习
B:无监督式学习
C:半监督式学习
D:超监督式学习
答案: 【无监督式学习】
2、 问题:泛化误差指的是()
选项:
A:训练误差
B:测试误差
C:测量误差
D:学习误差
答案: 【测试误差】
3、 问题:下图标识的4个点,泛化能力较好的是哪一个点
选项:
A:A
B:B
C:C
D:D
答案: 【B】
4、 问题:下面几种情形,哪种可能是过拟合
选项:
A:
B:
C:
D:
答案: 【
】
5、 问题:以下函数为判别函数的是()
选项:
A:sign函数
B:min函数
C:max函数
D:sum函数
答案: 【sign函数;
min函数;
max函数】
6、 问题:特征的个数越多,模式识别的效果越准确。
选项:
A:正确
B:错误
答案: 【错误】
7、 问题:无监督式学习算法的难度低于监督式学习算法。
选项:
上方为免费预览版答案,如需购买完整答案,请点击下方红字:
为了方便下次阅读,建议在浏览器添加书签收藏本网页
添加书签方法:
1.电脑按键盘的Ctrl键+D键即可收藏本网页
2.手机浏览器可以添加书签收藏本网页
点击浏览器底部菜单-【添加书签】-收藏本网页
点击浏览器底部菜单-【书签/历史】-可查看本网页
获取更多慕课答案,欢迎在浏览器访问我们的网站:
http://mooc.mengmianren.com
注:请切换至英文输入法输入域名,如果没有成功进入网站,请输入完整域名:http://mooc.mengmianren.com/
我们的公众号
打开手机微信,扫一扫下方二维码,关注微信公众号:萌面人APP
本公众号可查看各种网课答案,还可免费查看大学教材答案
点击这里,可查看公众号功能介绍
APP下载
APP功能说明
1.可查看各种网课答案
点击【萌面人官网】,可查看知到智慧树,超星尔雅学习通,学堂在线等网课答案
点击【中国大学慕课答案】,可查看mooc慕课答案
2.可一键领取淘宝/天猫/京东/拼多多无门槛优惠券
如图所示,点击对应图标即可领取淘宝/天猫/京东/拼多多无门槛优惠券
侨铃少梨衫刹藩姑蛾侠漂囤校