对应课程:点击查看
起止时间:2020-03-14到2020-07-15
更新状态:已完结
第二周机器学习之有监督学习 监督学习课程测验
1、 假设,我们有如下分成三类的数据,使用KNN算法(k=4),计算点(6,5)所属的类别应是(欧式距离):
A:类别2
B:类别1
C:类别3
D:不确定
答案: 类别2
2、 以下说法正确的是:
A:神经网络可以用于多分类问题
B:决策树只能用于二分类问题
C:监督学习与无监督学习的主要区别是,监督学习的训练样本无标签
D:分类任务的评价指标精确率和准确率是同一个概念
答案: 神经网络可以用于多分类问题
3、 以下属于监督学习任务的有:
A:分类
B:回归
C:聚类
D:降维
答案: 分类;
回归
4、 目前,某公司根据求职人员的基本信息构造了一颗决策树(如下),现有某求职人员,基本信息为{四级成绩=未通过,语言基础=熟悉,网络编程=精通,Linux基础=熟悉},根据决策树判断,该人员会被拒绝,对吗?
A:正确
B:错误
答案: 错误
5、 在使用神经网络对手写数字进行识别时,若输入为28*28大小的数字矩阵,输出对应于0-9的数字类别,则输入神经元应是_个,输出神经元是_个(答案形式:123,12)。
答案: 784,10
6、 假设通过大量数据分析,获得了房屋面积和价格之间的线性关系如下:y=0.15*x+44那么,当房屋面积为3600的时候,其价格大约是_____。
答案: 584
7、 假设我们手上有60个正样本,40个负样本,我们要找出所有的正样本,分类算法查找出50个,其中只有40个真正的正样本,则其召回率是多少(保留两位小数)?
答案: [0.66,0.67]
8、 import numpy as np #导入numpy工具包
from os import listdir #使用listdir模块,用于访问本地文件
from ___ import MLPClassifier
clf = MLPClassifier(hidden_layer_sizes=(100,),
activation=’logistic’, solver=’adam’,
learning_rate_init = 0.0001, max_iter=2000)补全以上代码。
答案: sklearn.neural_network
9、 import numpy as np #导入numpy工具包
from os import listdir #使用listdir模块,用于访问本地文件
from sklearn import neighbors
knn = neighbors.KNeighborsClassifier(algorithm=’kd_tree’, ____)补全代码,创建k为3的KNN分类器。
答案: n_neighbors=3
10、 import matplotlib.pyplot as plt
import numpy as np
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
获取更多MOOC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
一键领取淘宝,天猫,京东,拼多多无门槛优惠券,让您购物省省省,点击这里,了解详情
干饭人福利,饿了么红包每日领