大学MOOC 人工智能-罗旭东(广西师范大学)1452792184 最新慕课完整章节测试答案

第一讲测验

1、单选题：
机器学习（深度学习）系统中通常将数据集划分为训练集和测试集，其中被用来学习得到系统的参数取值的是‍
选项：
A: 训练集(training set)
B: 测试集(testing set)
C: 训练集(training set)和测试集(testing set)
D: 其它答案都不对
答案: 【 训练集(training set)】

2、单选题：
k折交叉验证通常将数据集随机分为k个子集。下列关于k折交叉验证说法错误的是‍
选项：
A: 每次将其中一个子集作为测试集，剩下k-1个子集作为训练集进行训练
B: 每次将其中一个子集作为训练集，剩下k-1个子集作为测试集进行测试
C: 划分时有多种方法，例如对非平衡数据可以用分层采样，就是在每一份子集中都保持和原始数据集相同的类别比例
D: k折交叉验证相对于留出法，其性能评价结果通常要相对更稳定一些
答案: 【 每次将其中一个子集作为训练集，剩下k-1个子集作为测试集进行测试】

3、单选题：
​​ROC (受试者工作特征曲线, receiver operating characteristic curve)描绘了分类器在 fp rate (错误的正例,横轴) 和tp rate(真正正例，纵轴) 间的trade-off（权衡）。​下面说法正确的是：​
选项：
A: (纵轴)敏感性高=漏诊率低， 而(横轴)特异性低=误诊率高
B: (纵轴)敏感性高=漏诊率高， 而(横轴)特异性低=误诊率高
C:  (纵轴)敏感性高=漏诊率高， 而(横轴)特异性低=误诊率低
D:  (纵轴)敏感性高=漏诊率低， 而(横轴)特异性低=误诊率低
答案: 【 (纵轴)敏感性高=漏诊率低， 而(横轴)特异性低=误诊率高】

4、单选题：
关于 Cohen' s kappa取值的含义，下列错误的是：‌
选项：
A: 其取值通常在-1和+1之间
B: 其取值为+1，说明一致性最好
C: 其取值越大，说明一致性越好
D: 其取值越小，说明一致性越好
答案: 【 其取值越小，说明一致性越好】

5、单选题：
下列关于验证集(validation set)的描述错误的是‌
选项：
A: 某些情况下，可以对训练集做进一步划分，即分为训练集和验证集
B: 验证集与测试集类似，也是用于评估模型的性能。且可以用于报告模型的最终评价结果
C:  验证集与测试集之间的区别是，验证集主要用于模型选择和调整超参数，因而一般不用于报告最终结果
D: 验证集的数据规模通常小于训练集的数据规模
答案: 【 验证集与测试集类似，也是用于评估模型的性能。且可以用于报告模型的最终评价结果】

6、单选题：
 下面关于机器学习与深度学习的描述错误的是：‍
选项：
A: 深度学习是机器学习的重要分支
B: 深度学习来源于人工神经网络
C: 深度学习是多层的人工神经网络，典型的模型包括卷积神经网络等
D: 其它答案都不对
答案: 【 其它答案都不对】

7、单选题：
下面关于有监督学习、无监督学习的描述错误的是‎
选项：
A: 有监督学习是从有正确答案的样本集合中学习，即每个样本的分类标签（classification label）或者目标值（target value）已知
B: 无监督学习的训练学习过程中也利用到了每个样本的分类标签（classification label）或者目标值（target value）
C: 有监督学习中样本的ground truth指的是每个样本的真实分类标签（classification label）或者真实目标值（target value）
D: 为了获得有监督学习中样本的真实分类标签（classification label）或者真实目标值（target value），某些情况下，可以采用人工专家标注的方法获得
答案: 【 无监督学习的训练学习过程中也利用到了每个样本的分类标签（classification label）或者目标值（target value）】

8、单选题：
假设测试数据集中共计有70个正类样本，30个负类样本。且某次分类结果如下表所示（表中各项的含义如表下方的注释所示）。则其ROC曲线的横轴FP Rate 和纵轴TP Rate 的坐标值是多少？ ​‌实​‌际​‌类​‌别​预测类别​‌ ​‌正例​‌负例​‌总计​‌正例​‌TP=40​‌FN=30​‌P(实际为正例)=70​‌负例​‌FP=10​‌TN=20​‌N(实际为负例)=30​表中数据项的含义：​True positives(TP):  被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数（样本数）；​False negatives(FN):被错误地划分为负例的个数，即实际为正例但被分类器划分为负例的实例数；​False positives(FP): 被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数；​True negatives(TN): 被正确地划分为负例的个数，即实际为负例且被分类器划分为负例的实例数。​
选项：
A: 横轴FP Rate=0.57； 纵轴TP Rate=0.33
B: 横轴FP Rate=0.33； 纵轴TP Rate=0.57
C: 横轴FP Rate=0.57； 纵轴TP Rate=0.57
D: 横轴FP Rate=0.80； 纵轴TP Rate=0.33
答案: 【 横轴FP Rate=0.33； 纵轴TP Rate=0.57】

9、单选题：
下面的一段python程序是对iris数据集进行训练集合测试集的拆分，已知该数据集中样本的个数为150个，特征为4个。则下面的程序执行完毕后，print语句的输出结果应该为：‌ ‌from sklearn import cross_validation  ‌from sklearn import datasets  ‌iris = datasets.load_iris()  ‌X_train, X_test, y_train, y_test = cross_validation.train_test_split‌(iris.data, iris.target, test_size=0.2 )‌print ("X_train.shape:", X_train.shape, "y_train.shape:", y_train.shape)‌
选项：
A:    ('X_train.shape:', (150, 4), 'y_train.shape:', (150,))
B:   ('X_train.shape:', (90, 4), 'y_train.shape:', (90,))
C: ('X_train.shape:', (30, 4), 'y_train.shape:', (30,))
D:  ('X_train.shape:', (120, 4), 'y_train.shape:', (120,))
答案: 【  ('X_train.shape:', (120, 4), 'y_train.shape:', (120,))】

10、单选题：
下面的一段python程序是使用支持向量机在iris数据集上进行训练的例子，且该程序已经导入了必要的模块（用省略号表示）。则程序中空格处应该填充的拟合函数是：‌ ‌……‌iris = datasets.load_iris()  ‌X_train, X_test, y_train, y_test = cross_validation.train_test_split‌(iris.data, iris.target, test_size=0.2 )‌clf = svm.SVC(kernel='linear', C=1).    (X_train, y_train)  ‌
选项：
A: train
B: fit
C: learn
D: ml
答案: 【 fit】

11、单选题：
下面的一段程序是标签二值化的示例程序，则最后的print语句的输出应该为：‏from sklearn.preprocessing import label_binarize‏y=[0, 1, 2]‏print (y)‏y = label_binarize(y, classes=[0, 1, 2])‏print (y)‏
选项：
A: [[0 0 1]  [0 1 0]  [1 0 0]]
B: [[1 0 0][1 0 0]  [1 0 0]]
C: [[0 0 1]  [0 0 1]  [0 0 1]]
D: [[1 0 0]  [0 1 0]  [0 0 1]]
答案: 【 [[1 0 0]  [0 1 0]  [0 0 1]]】

12、单选题：
F值的定义为准确率和召回率的调和平均。如果二者（即准确率和召回率）同等重要，则为‍
选项：
A: F1
B: F2
C: F0.5
D: F3
答案: 【 F1】

13、多选题：
超参数和参数的区别。参数一般是模型需要根据训练数据可以自动学习出的变量。超参数一般就是根据经验确定预设的变量。下面哪些是超参数？‍
选项：
A: 深度学习模型的权重，偏差
B: 深度学习的学习速率、人工神经网络的层数
C: 深度学习的迭代次数
D: 深度学习的每层神经元的个数
答案: 【 深度学习的学习速率、人工神经网络的层数;
深度学习的迭代次数;
深度学习的每层神经元的个数】

14、多选题：
关于ROC (受试者工作特征曲线, receiver operating characteristic curve)中AUC（Area Under Curve）说法正确的是‎
选项：
A: 定义为ROC曲线下的面积
B: AUC值提供了分类器的一个整体数值。通常AUC越大，分类器更好
C: 取值范围为[0,1]
D: 其它答案都不对
答案: 【 定义为ROC曲线下的面积;
AUC值提供了分类器的一个整体数值。通常AUC越大，分类器更好;
取值范围为[0,1]】

15、多选题：
关于 Cohen' s kappa 和Fleiss'