登陆题目详情
判断题 k均值算法可看作是高斯混合聚类在混合成分方差相等、且每个样本仅指派给一个混合成分时的特例.( )
学科：机器学习
时间：2025-12-26 01:52:28
相关题目
题目1单选题
选项中哪些方法不可以直接来对文本分类?( )A. K-MeansB. 决策树C. 支持向量机D. kNN
题目2多选题
我们想要训练一个 ML 模型,样本数量有 100 万个,特征维度是 5000,面对如此大数据,如何有效地训练模型?( )A. 对训练集随机采样,在随机采样的数据上建立模型B. 尝试使用在线机器学习算法C. 使用 PCA 算法减少特征维度D. 选项中没有正确答案
题目3单选题
关于特征选择,下列对 Ridge 回归和 Lasso 回归说法正确的是?( )A. Ridge 回归适用于特征选择B. Lasso 回归适用于特征选择C. 两个都适用于特征选择D. 选项中的说法都不对
题目4单选题
假如使用一个较复杂的回归模型来拟合样本数据,使用 Ridge 回归,调试正则化参数 λ,来降低模型复杂度.若 λ 较大时,关于偏差(bias)和方差(variance),下列说法正确的是?( )A. 若 λ 较大时,偏差减小,方差减小B. 若 λ 较大时,偏差减小,方差增大C. 若 λ 较大时,偏差增大,方差减小D. 若 λ 较大时,偏差增大,方差增大
题目5多选题
在决策树分割结点的时候,下列关于信息增益说法正确的是( )A. 纯度高的结点需要更多的信息来描述它B. 信息增益可以用"1比特-熵"获得C. 如果选择一个属性具有许多特征值, 那么这个信息增益是有偏差的D. 选项中说法都不对
题目6多选题
对于划分属性选择,选项中说法正确的是( )A. 信息增益准则对可取值数目较多的属性有所偏好B. 增益率准则对可取值数目较少的属性有所偏好C. C4.5算法并不是直接选择增益率最大的候选划分属性,而是先从候选划分属性中找出信息增益高于平均水平的属性,再从中选择增益率最高的D. 选项中说法都不对
题目7判断题
在决策树学习过程中,如果当前结点划分属性为连续属性,那么该属性还可作为其后代结点的划分属性.( )A. 对B. 错
题目8判断题
k均值算法可看作是高斯混合聚类在混合成分方差相等、且每个样本仅指派给一个混合成分时的特例.( )A. 对B. 错
题目9单选题
假设我们使用原始的非线性可分版本的 Soft-SVM 优化目标函数.我们需要做什么来保证得到的模型是线性可分离的?( )A. C = 0B. C = 1C. C 正无穷大D. C 负无穷大
题目10单选题
智能化中医望诊时,对一幅舌脉图像(伸出舌头的人脸图像),希望把舌头部分从人脸的其他部分划分出来,可以采用以下方法:将整幅图的每个象素的属性记录在一张数据表中,然后用某种方法将这些数据按它们的自然分布状况划分成两类.因此每个象素就分别得到相应的类别号,从而实现了舌头图像的分割.那么这种方法属于:( )A. 监督学习B. 非监督学习C. 半监督学习
下载 题海APP
拍照搜题更快捷
- 海量题库
- 无搜索限制
- 快捷拍照搜题
