第一章 单元测试

1、 问题:K近邻算法(KNN)的工作原理是什么？（ ）
选项：
A:基于网络的深度学习
B:计算测试点与所有训练点之间的距离，并选取最近的K个点进行投票或平均
C:使用决策树分类
D:通过支持向量机进行分类
答案: 【
计算测试点与所有训练点之间的距离，并选取最近的K个点进行投票或平均
】

2、 问题:

在K近邻算法中，以下哪个是常用的距离度量方法？（ ）

选项：
A:余弦相似度
B:欧氏距离
C:曼哈顿距离
D:欧氏距离和曼哈顿距离
答案: 【
欧氏距离和曼哈顿距离
】

3、 问题:

在使用K近邻算法进行分类时，如何处理数据集中的缺失值？（ ）

选项：
A:忽略包含缺失值的特征
B:用特征的平均值替换缺失值
C:删除包含缺失值的数据点
D:其他选项所述方法都可以使用
答案: 【
其他选项所述方法都可以使用
】

4、 问题: 对于一个给定的数据集，选择K近邻算法中的K值的最佳方法是？（ ）
选项：
A:总是选择数据集中的项数作为K值
B:使用一个固定的K值，如K=5
C:通过交叉验证选择K值
D:选择一个随机的K值
答案: 【
通过交叉验证选择K值
】

5、 问题: 在KNN算法中，如果K=1，下列说法正确的是？（ ）
选项：
A:模型将具有最低的偏差和最高的方差
B:模型将具有最高的偏差和最低的方差
C:模型不会受到异常值的影响
D:K的值不影响算法的性能
答案: 【
模型将具有最低的偏差和最高的方差
】

第二章 单元测试

1、 问题:多元线性回归中的“线性”是指什么是线性的（ ）
选项：
A:自变量
B:回归系数
C:因变量
D:误差
答案: 【
回归系数
】

2、 问题:线性回归方程中，回归系数为负数，表明自变量与因变量为（ ）
选项：
A:负相关
B:正相关
C:显著相关
D:不相关
答案: 【
负相关
】

3、 问题:下列关于线性回归的说法不正确的是（ ）
选项：
A:线性回归是目标值预期是输入变量的线性组合
B:回归用于预测输入变量和输出变量之间的关系
C:线性回归的曲线拟合已知数据且很好地预测未知数据。
D:线性模型形式一般极其复杂
答案: 【
线性模型形式一般极其复杂
】

4、 问题:逻辑回归模型主要用来做回归任务（ ）
选项：
A:对
B:错
答案: 【
错
】

5、 问题:逻辑回归模型可以解决线性不可分问题。（ ）
选项：
A:对
B:错
答案: 【
错
】

第三章 单元测试

1、 问题:在决策树算法中，节点分裂的最佳属性选择是基于什么标准？（ ）
选项：
A:最大信息增益
B:最小欧氏距离
C:最大距离度量
D:随机选择
答案: 【
最大信息增益
】

本门课程剩余章节答案为付费内容
本文章不含期末不含主观题！！
本文章不含期末不含主观题！！
支付后可长期查看
有疑问请添加客服QQ 2356025045反馈
如遇卡顿看不了请换个浏览器即可打开
请看清楚了再购买哦，电子资源购买后不支持退款哦
点我支付 ¥5
  已支付？输入手机号或商家订单号阅读