以下属于分类任务的有( )
- A判断邮件是否为垃圾邮件
- B识别图片中的动物种类
- C预测股票价格
- D预测明天温度
以下属于无监督学习的有( )
- A聚类
- B降维
- C分类
- D回归
以下属于回归任务的有( )
- A预测销售额
- B预测气温
- C判断是否患病
- D识别手写文字
强化学习的组成要素包括( )
- A智能体
- B环境
- C动作
- D奖励
以下关于交叉验证的说法正确的有( )
- A能更充分地利用数据
- B评估结果更可靠
- C每次都使用全部数据训练
- D不需要划分数据集
以下属于决策树算法特点的有( )
- A结果可解释性强
- B可以处理非线性关系
- C不容易过拟合
- D必须使用大量数据
机器学习的基本步骤包括( )
- A数据收集
- B特征工程
- C模型训练
- D模型评估
以下关于KNN算法的说法正确的有( )
- A通过距离度量找最近邻居
- BK值的选择影响结果
- CKNN属于无监督学习
- DK值越大越好
以下关于欠拟合的说法正确的有( )
- A训练集和测试集上表现都差
- B通常因为模型过于简单
- C通常因为模型过于复杂
- D增加正则化可以缓解
模型评估中,以下指标用于分类任务的有( )
- A准确率
- B召回率
- C均方误差
- D轮廓系数
常见的数据预处理方法包括( )
- A归一化/标准化
- B缺失值处理
- C异常值处理
- D增加标签
以下关于梯度下降的说法正确的有( )
- A沿梯度反方向更新参数
- B学习率是重要超参数
- C是唯一的优化方法
- D学习率越大越好
关于训练集、验证集和测试集,以下说法正确的有( )
- A验证集用于超参数调优
- B测试集用于最终评估
- C测试集可以参与训练
- D三者可以有重叠
以下属于特征工程的有( )
- A特征选择
- B特征提取
- C特征缩放
- D模型选择
以下关于损失函数的说法正确的有( )
- A衡量模型预测与真实值的差距
- B训练目标是减小损失
- C损失越大说明模型越好
- D只在测试阶段使用
监督学习不需要标签数据。
强化学习的应用场景包括( )
- A游戏AI
- B机器人路径规划
- C自动驾驶决策
- D人脸识别
以下可能导致模型过拟合的因素有( )
- A模型过于复杂
- B训练数据太少
- C添加了正则化
- D使用了数据增强
机器学习就是让计算机从数据中自动学习规律,而不需要人工编写所有规则。
以下关于半监督学习的说法正确的有( )
- A结合了少量标签数据和大量无标签数据
- B可以降低标注成本
- C完全不需要标签数据
- D只用标签数据训练
本页仅提供题目与选项供学习参考,不含答案。如需系统练习、自动判分与错题本,欢迎前往主站《人工智能通识基础》在线练习。