第一章 机器学习概述
1.无监督学习的两个主要任务是（多选）BD
A 回归B 降维
C 分类D 聚类
2.下列对无监督学习描述错误的是 C
A 无标签B 核心是聚类
C 不需要降维D 具有很好的可解释性
3.下列对有监督学习描述错误的是D
A 有标签B 核心是分类
C 分类分类原因不透明D 所有数据都相对独立分布
4.在以下学习策略中，使用的训练数据只有部分存在标签的是 C
A 监督学习B 深度学习
C 半监督学习D 无监督学习
5.下面符合特征选择标准的是 A
A 能够反映不同事物差异的特性B 越多越好
C 越少越好 D 数值型的必定性数据好
6.给定一定数量的红细胞和白细胞图像及它们对应的标签，设计出一个红细胞和白细胞分类器，这属于 C 问题。
A 半监督学习 B 无监督学习
C 监督学习D 以上都可以
7.给定一定数量的红细胞和白细胞图像，但并不知道图像与标签的对应关系，设计出一个红细胞和白细胞分类器，这属于 B 问题。
A 半监督学习 B 无监督学习
C 监督学习D 以上都可以
8.机器学习可以用于以下哪些情形? ABCD
A 人类无法解释的专业知识 B 模型需要基于大量数据
C 当人类专业知识不存在时D 模型必须定制
9.以下哪些领域应用机器学习需要考虑样本不平衡问题? ABCD
A 医学诊断B 预测罕见事件
C 检测信用卡欺诈D 预测故障和失效
10.以下说法正确的是 B
A 特征的个数越多，机器学习的效果越好
B 样本的数量越多，机器学习的效果越好
C “过拟合”只在监督学习中出现，在无监督学习中没有“过拟合”
D 特征的个数应该和样本的数量相匹配
11.泛化误差是指 C
A 训练误差B 测试误差
C 学习误差D 测量误差
12.与有监督学习相比，下面那些属于半监督学习的优势？ BD
A 半监督学习模型训练时间更短
B 在标注数据量有限时，采用半监督学习有望训练得到更有优的机器学习模型
C 半监督学习 的数学优化问题更容易求解
D 能够节约大规模数据标注带来的时间和费用的开销
13.简述机器学习的主要步骤。
- 收集相关样本
- 特征提取
- 构建模型
- 评估模型的有效性
- 使用模型预测新样本
14.简述机器学习中验证集和测试集的区别。
答：验证集：是在模型训练的过程中评估模型，评估之后模型还会继续被修改
测试集：是在模型训练好之后评估模型，评估之后模型不会再被修改。
15.什么是泛化能力？
答：所谓泛化能力是指模型对未知类别的新鲜样本正确分类的能力。
16.评价机器学习模型优劣的重要指标是什么？
答：泛化能力是评价机器学习模型优劣的最根本的指标
17.简述监督学习和无监督学习的区别。
监督学习：监督学习是从带有类别标签的训练数据中学得一个模型，并基于此模型来预测新样本的标签。
无监督学习：无监督学习是在无标签的训练集中发现数据规律。
两者区别：无监督学习和监督学习的主要区别在于无监督学习的样本没有标签，这使得无监督学习更具有挑战性。
18.特征选择和数据降维有何区别？
数据降维，一般说的是维数约简（Dimensionality reduction）。它的思路是：将原始高维特征空间里的点向一个低维空间投影，新的空间维度低于原特征空间，所以维数减少了。在这个过程中，特征发生了根本性的变化，原始的特征消失了（虽然新的特征也保持了原特征的一些性质）。
而特征选择，是从 n 个特征中选择 d (d<n) 个出来，而其它的 n-d 个特征舍弃。所以，新的特征只是原来特征的一个子集。没有被舍弃的 d 个特征没有发生任何变化。这是二者的主要区别。
注意：数据降维不可以作为特征选择的一种手段。
第二章 Python机器学习与可视化
1、关于Python语言的语法，下列哪项是错误的？（B）
A.python程序中的代码缩进不能随意删除
B.import语句必须写在程序的开始位置
C.print(‘Hey’)输出Hey后会自动换行
D.python语句是区分大小写的
2、下列不属于NumPy数组属性的是（D）
A ndimB shapeC sizeD add
3、创建一个3×3维的数组，下列代码中错误的是（C）
A np.arange(0,9).reshape(3,3)B np.eye(3)
C np.random.random([3,3,3]) D np.mat(np.zeros((3,3)))
4、以下关于绘图标准流程说法错误的是（B）
A 绘图最简单的图形可以不用创建画布
B 添加图例可以在绘制图形之前
C 添加x轴、y轴的标签可以在绘制图形之前
D 添加图的标题可以在ply.show()方法之后
5、下列代码中能够绘制出散点图的是（A）
A plt.scatter(x,y)B plt.plot(x,y)
C plt.legend(x,y)D plt.figure(x,y)
6、下列字符串表示plot线条颜色、点的形状和类型为红色五角星短虚线的是（D）
A ‘bs-‘B ‘go-.’C ‘r+-.’D ‘r*:’
7、train_test_split()函数的返回值有（D）个。
A 1B 2C 3 D 4
8、数据（B）要求知道样本的最大值和最小值。
A 标准化B 归一化C 二值化D 正则化
9、要设置x轴的坐标范围需要用到（B）
A xlabelB xlimC xticksD hlines
10、使用Pandas不能读取下列哪种文件（D）
A xlsx B txtC CSVD MDB
11、NumPy提供的两种基本对象是多维数组对象ndarray 和通用函数对象ufunc 。
12、将NumPy一维数组a中的所有元素反转，方法是 a[::-1] 。
13、提取NumPy数组中除了最后一列的所有列，方法是data[:, 0:-1] 。
14、创建一个范围在（0，1）之间长度为12的等差数列，方法是 np.linspace(0,1,12)
15、、在Matplotlib中，要绘制多个子图，需要使用 subplot() 函数。
16、train_test_split()函数能将样本划分为 训练集 和 测试集 。
17、数据的 规范化 需要计算样本数据的标准差和均值。
18、在sklearn中，需要训练数据拟合模型，需要使用 fit() 方法。
19、数据的维度是指样本 特征属性 的个数。
20、主成分分析一般用来实现数据的 降维 。
21、元组与列表的主要区别是什么？S=(9,6,5,1,55,7)能添加元素吗？
元组中的元素不能修改，但能添加和删除。
S=(9,6,5,1,55,7)能添加元素
22、读取鸢尾花数据集，使用循环和子图绘制各个特征之间的散点图。
import numpy asnpimport matplotlib.pyplot as pltiris = np.load('d:/tmp/iris.npz',allow_pickle=True)['data'][:, :-1]name = np.load('d:/tmp/iris.npz',allow_pickle=True)['features_name']plt.rcParams['font.sans-serif'] = 'SimHei'p = plt.figure(figsize=(16, 16))plt.title(“鸢尾花散点图矩阵”)for i in range(4):for j in range(4):p.add_subplot(4, 4, (i * 4) + (j + 1))plt.scatter(iris[:, i], iris[:, j])plt.xlabel(name[i])plt.ylabel(name[j])plt.savefig(“E:/data.png”) plt.show()23、创建一个长度为10、一个维全为0的ndarray对象，然后让第5个元素等1。
import numpy as npt1 = np.zeros(10,dtype=int)print(t1)t1[4]=1print(t1)运行结果：[0 0 0 0 0 0 0 0 0 0][0 0 0 0 1 0 0 0 0 0]第三章 关联规则与推荐算法
1、下列哪一项不是一个集合？（A）
A 项B 项集C 事物D 事物数据库
2、对于同一个事物数据库中的两条关联规则：A=>C和C=>A，可知（A）
A 它们的支持度一定相等B 他们的置信度一定相等
C它们的支持度不一定相等D他们的置信度不一定相等
3、设{A,B,C}不是频繁项集，则可知（B）
A {A.B}一定不是频繁项集B {A,B,C,D}一定不是频繁项集
C{A.B}一定是频繁项集 D{A,B,C,D}一定是频繁项集
4、若已知{A,B,C}的支持度是50%，C的支持度是75%，则可知（B）
A A,B=>C的置信度是66.6%B C=>A,B的置信度是66.6%
C A,B=>C的置信度是150% D C=>A,B的置信度是150%
5、设N(a)={A,B,E}表示对物品a感兴趣的用户有A、B和E，N(b)={A,C,D}表示对物品b感兴趣的用户有A、C和D，每个用户对各物品的感兴趣程度均为1，则物品a、b之间的相似度为 （A）
A 1/3B1/9 C 1/2D 1/6
6、寻找关联规则可分为两步，第一步是着频繁项集 。
7、协同过滤推荐算法使用 余弦相似度 作为指标来评价项与项之间的相似度。
8、经典的关联规则挖掘算法是 Apiori，为了提高关联规则的计算效率，改进的关联规则算法是 FP-Growth 。
9、假设事物集只有6个项，对于频繁项集3-项集的集合{1，2，3}，{1，2，4}，{1，2，5}，{1，3，4}，{2，3，4}，{3，4，6}：
（1）列出由Apriori算法得到的所有候选集4-项集。
所有候选四项集
{1，2，3，4}，{1，2，3，5}，{1，2，3，6}，{1，2，4，5}，{1，2，5，6}，{1，3，4，5}，{1，3，4，6}，{2，3，4，5}，{2，3，4，6}，{2，3，5，6}，{3，4，5，6}
（2）列出剪枝后剩下的候选4-项集。
剪枝后的候选四项集
{1，2，3，4}，{1，2，3，5}，{1，2，4，5}，{2，3，4，5}，{2，3，4，6}，{2，3，5，6}
第四章 聚类
1、在统计学中，数据的类型有3种，不包括（B）
A 定类数据B 定性数据
C 定距数据D 定序数据
2、下列那一列不属于聚类算法（B）
A K-中心点B K近邻
C K-meansD DNSCAN
3、下列那种距离是两点之间的直线距离？（A）
A 欧氏距离B 曼哈顿距离
C 切比雪夫距离D 闵科夫斯基距离
4、从性能角度上看，（C）聚类算法的速度是最快的。
A K-中心点B 层次聚类法
C K-meansD DNSCAN
5、在DBSCAN中，一个簇是一个（C）的区域。
A 密度可达B 直接密度可达
C 密度相连D 直接密度相连
6、聚类算法可分为 基于划分的方法 、 基于层次的方法 、基于密度的方法和基于模型的方法。
7、在聚类算法中是通过 距离度量相似度的。
8、在sklearn提供的聚类模块中，参数n_clusters用于设置簇的个数 。
9、DBSCAN算法中定义的3类点分别是核心点、边界点 和 噪声点 。
第五章 分类
1、以下哪种算法生成的决策树一定是二叉树?(C)
A.ID3B.C4.5 C.CART D.都不一定
2、在C4.5算法中，若特征属性A的取值只有两种，两种取值的样本数都是5个，则属性A的分裂信息split_info(A)的值为(A)。
A.1 B.2 C.3 D.5
3、以下哪个sklearn函数的参数为训练集?(A)
A.fit()B.predict() C.fit_predict() D.transform(x)
4、如果要在大型数据集上训练决策树，为了花费更少的时间来训练这个模型，下列哪种做法是正确的?(C)
A.增加树的深度 B.增加学习率
C.减小树的深度 D.减少树的数量
5、朴素贝叶斯分类是通过比较各个类别的哪个值的大小进行分类的?(A)
A.P(cⱼ|x)B.P(x|cⱼ;) C.P(cⱼ)/P(x) D.P(cⱼ;)
6、混淆矩阵的真负率公式是(A)。
A.TP/(TP+FN) B.FP/(FP+TN)
C.FN/(TP+FN) D.TN/(TN+FP)
7、混淆矩阵中的TP=16,FP=12,FN=8,TN=4,F1-score是(B)。
A.4/13 B.8/13 C.4/7 D.2/3
8、若某个消息出现的概率是0.25，则该消息的自信息量是___2___。
9、ID3算法选取信息增益最大的节点作为根节点;C4.5算法选取信息增益率最大的节点作为根节点。
10、在K-近邻算法中,K的含义是近邻点的个数 ;在K-均值算法中,K的含义是 聚类的类别数 。
11、对于分类模型,fit()函数的参数为训练集的特性 ;对于聚类模型,fit()函数的参数为特征属性集。
12、给定贝叶斯公式p(cj|x)=(p(x|cj)p(cj))/p(x)公式中的p(cj|x)称为 后验概率(填写先验概率、后验概率或全概率)。朴素贝叶斯分类的依据是要求上式中p(x|cj)p(cj)的值最大。
13、在决策树分类中,属性的信息增益等于 无条件熵 与 有条件熵的差。
14、决策树是用样本的属性作为节点，用属性的取值 作为分支的树结构。
15、CART算法是选择基尼指数小 (填大或小)的节点作为根节点。
16.只能对离散型数据进行决策树分类的算法是ID3 。
17、Bootstrap重采样技术采用 有放回(填有放回或无放回)抽样。
18、在sklearn中,fit()函数的返回值是 模型,predict()函数的返回值是 标签。
19、什么是训练集?聚类的训练集和分类的训练集有何区别?
训练集是样本集的一部分，在机器学习中用于建立模型和评估模型参数。
聚类的训练集无类别属性（或无标签），而分类的训练集有类别属性（或有标签）。
20、简述分类的一般步骤。
特征提取→特征选择→分类→使用此模型预测新样本→评估效果.分类模型预测结果。
20、简述什么是集成学习。集成学习的精确率一定比单个学习器的精确率更高吗?
(1)集成学习：多个性能一般的普通模型进行有效集成，形成一个性能优良的集成模型的过程
(2)若学习器的分类准确率较低，则组合生成的集成学习模型的分类准确率会更低，故集成学习准确率不一定比单个学习器的准确率高。
22、设有甲、乙、丙三个车间生产同一种产品，已知各车间的产量分别占全厂产量的25%、35%和40%，各车间的产品次品率依次为5%、4%和2%。现从待出厂的产品中检查出一个次品，试用朴素贝叶斯分类预测该次品最有可能是由哪个车间生产的，并指出该分类的特征属性和类别属性。
次品、车间
第六章 回归与逻辑回归
1、关于逻辑回归模型，以下说法错误的是(D)。
A.逻辑回归属于有监督学习
B.逻辑回归是回归分析的一种
C.逻辑回归使用最大似然估计来训练回归模型
D.逻辑回归的损失函数是通过最小二乘法来定义的
2、hθ（x)=θTX可作为（A）模型的公式
A.逻辑回归 B.多元线性回归
C.多重线性回归 D.神经网络
3.要实现非线性分类,可以使用(B)。
A.多元逻辑回归B.多项式逻辑回归
C.多重共线性回归D.非线性逻辑回归
4、对于一个测试样本，逻辑回归模型的输出值等于 样本属于该类别的概率值。(填等于、小于或大于)
5、回归与分类的区别是， 回归 的预测值是连续值。(填回归或分类)
6、逻辑回归使用 sigmoid函数对线性回归进行变换。
7、如果直接用线性回归进行分类，会存在什么问题?
无法确定分类的阈值取多少合适。
8、回归与分类的区别是什么?
分类和回归的区别在于输出变量的类型。定量输出称为回归，或者说是连续变量的预测；定性输出称为分类，或者说是离散变量的预测。
9、简述使用逻辑回归进行分类的步骤。
①建模；②估计逻辑回归系数；③解释回归系数；④检验模型整体；⑤检验特征变量
第八章 支持向量机
1、使用支持向量机进行非线性分类，需要用到的关键技术是(C)。
A.拉格朗日函数 B.SMO算法
C.核函数 D.软间隔方法
2、松弛变量惩罚项系数在sklearn中用哪个参数进行设置?(A)
A.C B.degree
C.tol D.coef0
3、如果要对环形分布的数据集进行分类，使用哪种核函数的效果最好?(C)
A.Linear B.poly
C.RBFD.Sigmoid
4、下列哪种核函数只能设置gamma参数?(C)
A.linearB.poly
C.RBFD.Sigmoid
5、SVM分类的目标是分类间隔d最大。
6、SVM间隔的计算公式为 d=2/||w|| 。
7.所谓支持向量是指距离间隔最近 (填写远或近)的点
8.如果多项式核函数的 degree 参数设置为1，则相当于线分类。