1.属于监督学习的机器学习算法是：贝叶斯分类器

2.属于无监督学习的机器学习算法是：层次聚类

3.二项式分布的共轭分布是：Beta分布

4.多项式分布的共轭分布是：Dirichlet分布

5.朴素贝叶斯分类器的特点是：假设样本各维属性独立

6.下列方法没有考虑先验分布的是：最大似然估计

7.对于正态密度的贝叶斯分类器，各类协方差矩阵相同时，决策函数为：线性决策函数

8.下列属于线性分类方法的是：感知机

9.下列方法不受数据归一化影响的是：决策树

10.下列分类方法中不会用到梯度下降法的是：最小距离分类器

11.下列方法使用最大似然估计的是：Logistic回归

12.关于线性鉴别分析的描述最准确的是，找到一个投影方向，使得：类内距离最小，类间距离最大

13.SVM的原理的简单描述，可概括为：最大间隔分类

14.SVM的算法性能取决于：以上都有（核函数的选择、核函数的参数、软间隔参数C）

15.支持向量机的对偶问题是：凸二次优化

16.以下对支持向量机中的支撑向量描述正确的是：最大间隔支撑面上的向量

17.假定你使用阶数为2的线性核SVM，将模型应用到实际数据集上后，其训练准确率和测试准确率均为100%。现在增加模型复杂度（增加核函数的阶），会发生以下哪种情况：过拟合

18.避免直接的复杂非线性变换，采用线性手段实现非线性学习的方法是：核函数方法

19.关于决策树节点划分指标描述正确的是：信息增益越大越好

20.以下描述中，属于决策树策略的是：最大信息增益

21.集成学习中基分类器的选择如何，学习效率通常越好：分类器多样，差异大

22.集成学习中，每个基分类器的正确率的最低要求：50%以上

23.下面属于Bagging方法的特点是：构造训练集时采用Bootstraping的方式

24.下面属于Bagging方法的特点是：构造训练集时采用Bootstraping的方式

25.随机森林方法属于：Bagging方法

26.假定有一个数据集S，但该数据集有很多误差，采用软间隔SVM训练，阈值为C，如果C的值很小，以下哪种说法正确：会发生误分类现象

27.软间隔SVM的阈值趋于无穷，下面哪种说法正确：只要最佳分类超平面存在，它就能将所有数据全部正确分类

28.一般，K-NN最近邻方法在什么情况下效果好：样本较少但典型性较好

29.回归问题和分类问题的区别：前者预测函数值为连续值，后者为离散值

30.最小二乘回归方法的等效回归方法：线性均值和正态误差的最大似然回归

31.正则化的回归分析，可以避免：过拟合

32.“啤酒-纸尿布”问题讲述的是，超市购物中，通过分析购物单发现，买了纸尿布的男士，往往又买了啤酒。这是一个什么问题：关联分析

33.KL散度是根据什么构造的可分性判据：类概率密度

34.密度聚类方法充分考虑了样本间的什么关系：密度可达

35.混合高斯聚类中，运用了以下哪种过程：EM算法

36.主成分分析是一种什么方法：降维方法

37.PCA在做降维处理时，优先选取哪些特征：中心化样本的协方差矩阵的最大特征值对应特征向量

38.过拟合现象中：训练样本的测试误差最小，测试样本的正确识别率却很低

39.如右图所示有向图，节点G的马尔可夫毯为：{D,E,F,H,I,J}

40.如右图所示无向图，节点G的马尔可夫毯为：{D,E,I,J}

41.多层感知机方法中，可用作神经元的非线性激活函数：Logistic函数

42.在有限支撑集上，下面分布的熵最大：均匀分布

43.已知均值和方差，下面哪种分布的熵最大：高斯分布

44.以下模型中属于概率图模型的是：受限玻尔兹曼机

45.如右图所示有向图，以下陈述正确的有：B和G关于{C,F}条件独立

46.在标准化公式中，使用的目的是：防止分母为零

47.梯度下降算法的正确步骤是什么：4,3,1,5,2 （初始化-输入-计算误差-改变权重以减小误差-迭代更新）

（1）计算预测值和真实值之间的误差

（2）迭代跟新，直到找到最佳权重

（3）把输入传入网络，得到输出值

（4）初始化随机权重和偏差

（5）对每一个产生误差的神经元，改变相应的（权重）值以减小误差

48.假如使用一个较复杂的回归模型来拟合样本数据，使用岭回归，调试正则化参数，来降低模型复杂度。若λ较大时，关于偏差和方差，下列说法正确的是：若λ较大时，偏差减小，方差减小

49.以下哪种方法会增加模型的欠拟合风险：数据增强

50.以下说法正确的是：除了EM算法，梯度下降也可求混合高斯模型的参数

51.在训练神经网络时，如果出现训练error过高，下列哪种方法不能大幅度降低训练error：增加训练数据

52.以下哪种激活函数可以导致梯度消失：Tanh

53.增加以下哪些超参数可能导致随机森林模型过拟合数据：（2）决策树的深度

54.以下关于深度网络训练的说法正确的是：D

        A.训练过程需要用到梯度，梯度衡量了损失函数相对于模型参数的变化率

        B.损失函数衡量了模型预测结果与真实值之间的差异

        C.训练过程基于一种叫做反向传播的技术

        D.其他选项都正确

55.以下哪一项在神经网络中引入了非线性：ReLU

56.在线性回归中使用正则项，你发现解的不少coefficient都是0，则这个正则项可能是：

        L0-norm、L1-norm

57.关于CNN，以下结论正确的是：Pooling层用于减少图片的空间分辨率

58.关于k-means算法，正确的描述是：初始值不同，最终结果可能不同

59.下列关于过拟合现象的描述中，哪个是正确的：训练误差小，测试误差大

60.以下关于卷积神经网络，说法正确的是：卷积神经网络可以有多个卷积核，可以不同大小

61.LR模型的损失函数是：交叉熵

62.GRU和LSTM的说法正确的是：GRU的参数比LSTM的参数少

63.以下方法不可以用于特征降维的有：Monte Carlo method

64.下列哪个函数不可以做激活函数：y=2x

65.有两个样本点，第一个点为正样本,它的特征向量是(0,-1);第二个点为负样本,它的特征向量是(2,3),从这两个样本点组成的训练集构建一个线性SVM分类器的分类面方程是：x+2y=3

66.在其他条件不变的前提下，以下哪种做法容易引起机器学习中的过拟合问题：SVM算法中使用高斯核代替线性核

67.下方法中属于无监督学习算法的是：K-Means聚类

68.Bootstrap数据是什么意思：有放回地从总共N个样本中抽样n个样本

69.下面关于贝叶斯分类器描述错误的是：是基于后验概率，推导出先验概率

70.下面关于Adaboost算法的描述中，错误的是：同时独立地学习多个弱分类器

71.以下机器学习中，在数据预处理时，不需要考虑归一化处理的是：树形模型

72.二分类任务中，有三个分类器h1,h2,h3，三个测试样本x1,x2,x3。假设1表示分类结果正确，0表示错误，h1在x1,x2,x3的结果分别(1,1,0)，h2,h3分别为(0,1,1)，(1,0,1)，按投票法集成三个分类器，下列说法正确的是：集成提高了性能

73.有关机器学习分类算法的Precision和Recall，以下定义中正确的是（假定tp = true positive, tn = true negative, fp = false positive, fn =false negative）：Precision= tp / (tp + fp), Recall = tp / (tp + fn)

74.下列哪个不属于常用的文本分类的特征选择算法：主成分分析

75.在HMM中，如果已知观察序列和产生观察序列的状态序列，那么可用以下哪种方法直接进行参数估计：极大似然估计

76.以下哪种距离会侧重考虑向量的方向：余弦距离

77.解决隐马模型中预测问题的算法是：维特比算法

78.在Logistic Regression 中,如果同时加入L1和L2范数,会产生什么效果：可以做特征选择，并在一定程度上防止过拟合

79.普通反向传播算法和随时间的反向传播算法（BPTT）有什么技术上的不同：与普通反向传播不同的是，BPTT会在每个时间步长内叠加所有对应权重的梯度

80.梯度爆炸问题是指在训练深度神经网络的时候，梯度变得过大而损失函数变为无穷。在RNN中，下面哪种方法可以较好地处理梯度爆炸问题：梯度裁剪

81.当训练一个神经网络来作图像识别任务时，通常会绘制一张训练集误差和验证集误差图来进行调试。在下图中，最好在哪个时间停止训练：C