猪猪のAI笔记
  • README
  • 读书笔记
    • 1.特征工程
      • 1.1.数值空间
      • 1.2.文本数据
      • 1.3.词袋到TF-IDF
      • 1.4.分类变量
      • 1.5.数据降维：PCA
    • 2.自然语言
      • 2.1.处理文本的机器
      • 2.2.词频背后
      • 2.3.神经网络基础
      • 2.4.Word2Vec,词向量推理
      • 2.5.神经网络深入
    • 3.神经网络
      • 3.1.绪论
      • 3.2.机器学习
      • 3.3.线性模型
      • 3.4.前馈神经网络
      • 3.5.卷积神经网络
      • 3.6.循环神经网络
      • 3.7.网络优化
      • 3.8.注意力机制/外部记忆
      • 3.9.无监督学习
    • 4.XGboost
      • 4.1.基础和初探
  • 课程系列
    • CDA III
      • 1.数据挖掘
      • 2.特征工程
      • 3.自然语言
      • 4.神经网络
      • 5.支持向量机
      • 6.集成学习
      • 7.朴素贝叶斯
      • 8.决策树
      • 9.聚类
      • 10.模型评估
      • 11.关联规则
      • 12.计算题知识点
      • 13.计算题分析
    • 题库分析
      • 深度学习
      • 机器学习-01
      • 机器学习-02
      • 机器学习-03
      • 机器学习-04
      • 机器学习-05
      • 机器学习-06
      • 机器学习-07
      • 机器学习-08
      • 机器学习-09
      • 机器学习-10
      • Level III模拟（一）
      • Level III模拟（二）
    • 知识点
      • Transformer模型
      • ELMO,BERT,GPT
      • 正则化之L1,L2
      • 距离详解
    • K-RPA
      • RPA行业展望
      • 命名规范和开发原则
      • 脚本向导编程
      • K-RPA异常处理
      • K-RPA文件/目录操作
      • （高）K-RPA环境
      • （高）K-RPA命名规范和开发原则
      • （高）K-RPA脚本向导编程
      • （实）01：安装K-RPA
      • （实）02：脚本向导编程
      • （实）03：完整案例
      • （实）04：文件和集成
由 GitBook 提供支持
在本页

这有帮助吗？

  1. 课程系列
  2. 题库分析

机器学习-07

上一页机器学习-06下一页机器学习-08

最后更新于3年前

这有帮助吗？

    1. 下列哪一个是强化学习的算法

分析：Q-Learning是强化学习算法中value-based的算法，参考：

    2. 下列哪一个不是强化学习的基本要素

分析：强化学习的基本要素

  1. 环境状态（选项A中环境模型Environment Model）

  2. Agent的动作

  3. 环境奖励（奖励函数Reward Function）

  4. 策略

  5. 状态转移概率

  6. 累积回报

  7. 状态价值函数（价值函数Value Function）

  8. 状态行为值函数

    3. 下列哪些算法属于无监督学习（Unsupervised Learning）的算法

分析：ARIMA模型（英语：Autoregressive Integrated Moving Average Model），是时间序列预测分析方法之一。

    4. 下列哪项不属于数据挖掘分析方法

    5. 下列哪项不是因子分析参数估计的常用方法

    6. 下列哪个决策树的算法采用盆栽法（Bonsai Technique）由上而下（Top-Down）的方式来剪枝？

    7. （一级题）下列哪个插件是用于建立数据模型？

    8. 下列何种算法可以了解各产品间的先后购买的关系及概率值

    9. 下列何种集成的方法只可以适用于决策树的模型

    10. （和下边题重复）下列何种集成的方法，会重复抽取训练数据集中的数据，且每笔被抽中的概率相等

    11. 下列何种集成的方法，会重复抽取训练数据集中的数据，且每笔被抽中的概率始终保持一样？

    12. （和下边题重复）下列何种集成的方法，会重复抽取训练数据集中的数据，且每笔被抽中的概率不一定相等？

    13. 下列何种集成的方法，会重复抽取训练数据集中的数据，且每笔被抽中的概率不见得相等？

    14. 下列何者不是决策树字段选择的度量

分析：决策树的基准选择

算法
基准

ID3

Information Gain，信息增益

C4.5/C5.0

Gain Ratio，信息增益比

CART

Gini Index，基尼系数

CHAID

Chi-Square Statistic，卡方统计量

    15. 下列何者不是聚类分析的算法

    16. 下列关于有监督学习和无监督学习不正确的是

    17. 下列关于线性回归中的残差说法正确的是

缺分析：残差均值为什么等于零？

    18. 下列关于数据挖掘说法正确的是

    19. 下列关于逻辑回归模型中计算得到的发生概率p，阐述错误的是

    20. 下列关于逻辑回归介绍错误的是

    21. 下列关于逻辑回归阐述正确的是

    22. 下列关于逻辑回归表述错误的是

    23. 下列关于关联规则和协同过滤说法错误的是

    24. 下列关于分类器的说法中不正确的是

    25. 下列关于多为尺度分析阐述正确的是

    26. 下列关于层次聚类描述不正确的是

    27. 下列关于K-Means聚类描述不正确的是

    28. 下列关于“基于用户的协同过滤”和“基于物品的协同过滤”的说法错误的是

    29. 下列关于“基于用户的协同过滤”和“基于物品的协同过滤”的说法错误的是

    30. 下列对于生成式对抗网络的叙述，何者有误？

分析：生成对抗网络是半监督的。

    31. 两个点在标准坐标系上的绝对轴距总和指的是

    32. 利用历史数据来构造训练（Training）数据集、验证（Validation）数据集和测试（Test）数据集时，验证数据集的作用在于

    33. 可用作数据挖掘分析中的关联规则算法有

    34. 可以通过以下哪种方法，检验出多重共线性问题

    35. 考虑下面的频繁3-项集的集合：

  • {1,2,3}

  • {1,2,4}

  • {1,2,5}

  • {1,3,4}

  • {1,3,5}

  • {1,4,5}

  • {2,3,4}

  • {2,3,5}

  • {3,4,5}

    假定数据集中只有5个项，采用合并策略，由候选产生过程得到4-项集不包括：

    36. 决策树中的信息获取（Information Gain）的计算是用来？

    37. 决策树中的Information Gain的计算是用来？

    38. （重复）决策树中不包含以下哪种节点？

    39. 决策树中不包含以下哪种节点

    40. 决策树中不包含以下哪种节点？

    41. 决策树建模时一个必要的步骤是决策树的修剪，下列何者不是决策树需要修剪的原因？

    42. 聚类方法中哪种方法计算两个类（两椭球）之间的距离较少收到异常值的影响？

    43. 教育水平可以被分为小学、中学、大学、硕士、博士5类，若需要对其进行哑变量转换，应转成几个变量？

    44. 将原始数据进行集成、变换、维度规约、数值规约是以下哪个步骤的任务

    45. 将复杂的地址简化成北、中、南、东四区是在进行

    46. 简单贝式分类（Naive Bayes）可以用来预测何种数据型态

    47. 假设长度为2的频繁项目集（Frequent Itemset）有

  • {A,B}

  • {A,E}

  • {B,D}

  • {B,F}

  • {D,F}

  • {D,G}

    请问以下那一个是长度为3的候选项目集有？

    48. 假设{BCE}为一频繁项目集（Frequent Itemset），则根据Apriori Principle以下何者不是子频繁项目

    49. 加入我们使用非线性可分的SVM目标函数作为最优化对象我们如何提高模型表现

    50. 加入我们使用非线性可分的SVM目标函数作为最优化对象，我们怎么保证模型线性可分？

https://blog.csdn.net/qq_30615903/article/details/80739243