1、若一序列進棧順序為a1,a2,a3,a4，問存在多少種可能的出棧序列（ ）

A 12? ? ? ? ? ? B 13? ? ? ? ? ?C 14? ? ? ? ? ?D 15

答案：C

2、下列屬于有監督學習算法的是：（）

A 譜聚類? ? ? ? B 主成分分析PCA? ? ? ? C 主題模型LDA? ? ? ?D 線性判別分析LDA

答案：D

3、以下是產生式模型的機器學習算法為：

A LR? ? ? ? ? ? ?B? ?SVM? ? ? ? ?C 神經網絡? ? ? ? ? ?D HMM

答案：D

4、一個序列為（13,18,24,35,47,50,63,83,90,115,124），如果利二分分法查找關鍵字為90的，則需要幾次比較 ？

A 1? ? ? ? ? ? ?B 2? ? ? ? ? ? ? ? C? ? 3? ? ? ? ? ? ? ? ? ? ? D 4

答案：B

5、已知一個二叉樹前序遍歷和中序遍歷分別為ABDEGCFH和DBGEACHF，則該二叉樹的后序遍歷為？

A、DGEBHFCA? ? ? ? ? ? B.DGEBHFAC? ? ? ? ? ? C.?GEDBHFCA? ? ? ? ? ? ?D.??ABCDEFGH

答案：A

其實根據前序遍歷和中序遍歷就能確定根節點是A，D是最下層最左邊的節點。

6、以下關于共軛梯度說法正確的是

A共軛梯度需要計算hessien矩陣的逆? ? ? ? ? ? ? ? ? ?B共軛梯度只需要一階梯度即可，所以收斂速度較慢

C共軛梯度法所需的存儲量小，收斂快，穩定性高的優點? ? ? ? ?D共軛梯度梯度方向與最速下降法的梯度相同

答案：C

7、以下關于準確率，召回， f1-score說法錯誤的是：

A準確率為TP/(TP+FP）? ? ? ? ? ??B召回率為TP/(TP + FN)? ? ? ? ? ? ?

C?f1-score為 2TP/(2TP + FP + FN)? ? ? ? ??D??f1-score為 準確率*召回率/(準確率+召回率)

答案：D

8、在貝葉斯線性回歸中， 假定使然概率和先驗概率都為高斯分布， 假設先驗概率的高斯準確率參數為a, 似然概率的高斯準確率參數為b， 則后驗概率相當于平方誤差+L2正則，則其正則化參數為

A?a + b? ? ? ? ? ? ? ? ? ??B?a / b? ? ? ? ? ? ??C? a^2 + b^2? ? ? ? ??D??a^2 / (b^2)

答案：A

沒找到相關資料，誰知道跟我解釋下吧

9、在以下操作中，把14,27,71,50,93,39按順序插入樹,形成平衡二叉樹高度為？

A 3? ? ? ? ? ? B 4? ? ? ? ? ?C 5? ? ? ? ? ? ?D 6

答案：A

10、兩個隨機變量x,y，服從聯合概率分布p(x,y), 以下等式成立的有

A? ? ??B? ?C? ? ? ?D

答案：AC

11、以下關于batch normalization說法正確的是

A?normalization的均值方差計算是基于全部訓練數據的

B?normalization的均值方差只基于當前的minibatch

C?normalization對輸入層的每一維單獨計算均值方差

D?normalization的輸出分布服從均值為0，方差為1的高斯分布

答案：BC

12、以下關于二項分布說法正確的是

A?二項分布是一種離散概率分布，表示在n次伯努利試驗中， 試驗k次才得到第一次成功的概率

B?二項分布是一種離散概率分布，表示在n次伯努利試驗中，有k次成功的概率

C?當n很大時候，二項分布可以用泊松分布和高斯分布逼近

D?當n很大時候，二項分布可以高斯斯分布逼近，但不能用泊松分布逼近

答案：BC

13、以下關于random forest說法錯誤的是

A?rf中的每棵子樹都是獨立同分布的

B?rf中模型方差隨著子樹的增加而減少

C?rf主要通過增加子樹之間的相關性來減少模型的方差

D??rf中模型偏差隨著子樹的增加而減少

答案： AD

14、在機器學習中，經常采用線性變換，將基變換為正交基， 下列矩陣式正交矩陣的是? ??

A?

B?

C?

D?

答案：AC

The orthogonal matrix，正交矩陣，如果一個矩陣滿足以下幾個條件，則此矩陣就是正交矩陣：

（1）是一個方陣

（2）和自己的轉置矩陣的矩陣乘積 = 單位矩陣E

如果A為一個正交矩陣，則A滿足以下條件：

1) A的轉置矩陣也是正交矩陣

2)??（E為單位矩陣）

3) A的各行是單位向量且兩兩正交

4) A的各列是單位向量且兩兩正交

5) (Ax,Ay)=(x,y) x,y∈R

6) |A| = 1或-1

7)??，A的轉置矩陣等于A的逆矩陣

15、關于x,y的函數f(x,y)=x*e^(-x^2-y^2)，(x,y∈R)，則該函數有_____個極小值點

A 0? ? ? ? ? ? ? ? ?B 1? ? ? ? ? ? ? ?C 2? ? ? ? ? ? ? ? ? ? D 3

答案：B

16、隨機變量X1,X2...X100都服從[1,9]的均勻分布，則(X1+X2+...+X100)/100近似服從

A 高斯分布? ? ? ? ? ?B 泊松分布? ? ? ? ?C 均勻分布? ? ? ? ? ? D 指數分布

答案：高斯分布

對于服從均勻分布的隨機變量，只要n充分大，隨機變量?就服從均值為零，方差為1的正態分布。

17、某二叉樹有2000個結點，則該二叉樹的最小高度為（）

A 10? ? ? ? ? ? ?B 11? ? ? ? ? ? ? C 12? ? ? ? ? ? ? ? ?D 13

答案：B

節點與深度的關系：2^k -1 =n

18、下列方面不可以防止過擬合的是（）

A?加入正則項? ? ? ? ? ??B?增加樣本? ? ? ? ?C?建立更加復雜的模型? ? ?D?Bootstrap重采樣

答案：C

19、使用中根遍歷一棵二叉樹得到E A C K F H D B G，則先根遍歷將得到（）

A? ??FAEKCDBHG? ? ? ? ? ? ? ? ? ? ? ?B? ? FAEKCDHGB? ? ? ? ? ? ??C??EAFKHDCBG? ? ? ? ??D? ?FEAKDCHBG

答案：B

20、以下哪些模型是無向圖

A 樸素貝葉斯? ? ? ? ? B LR? ? ? ? ? ?C? CRF? ? ? ? D HMM

答案：BC

21、協同過濾經常被用于推薦系統， 包含基于內存的協同過濾， 基于模型的協同過濾以及混合模型， 以下說法正確的是

A基于模型的協同過濾能比較好的處理數據稀疏的問題

B基于模型的協同過濾不需要item的內容信息

C基于內存的協同過濾可以較好解決冷啟動問題

D基于內存的協同過濾實現比較簡單， 新數據可以較方便的加入

答案：AD

22、以下關于神經網絡說法正確的是

A神經網絡可以實現非線性分類

B神經網絡可以實現線性分類

C神經網絡的每層神經元激活函數必須相同

D神經網絡的每層神經元激活函數值閾必須在[-1,1]

答案：AB

23、以下為防止過擬合的方法的是

A增加樣本? ? ? ? ?B?L1正則? ??C交叉驗證? ? ?D增加復雜特征

答案：ABC

24、CRF模型可以用來做專名識別， 語義消歧等， 以下關于CRF模型說法正確的是

A? ?CRF模型是產生式模型? ? ? ? ? ? B? ?CRF模型是判別式模型? ? ? ? ?C??CRF模型的圖模型為無向圖? ??D?CRF模型的圖模型為有向圖

答案：BC

25、以下屬于凸函數的是（）

A?e^x? ? ? ? ? ? ??B??e^a? ? ? ? ?C??log(x)? ? ? ??D??f(x, y) = x2/y

答案：AD

26、以下說法正確的是

A?XOR問題不能簡單的用線性分類解決

B?XOR問題可以通過2層感知器解決

C?XOR可以通過LR模型解決

D?XOR可以通過單層感知器解決

答案：AB

27、以下是基于圖的特征降維方法的是

A? ?LE(Laplacian eigenmap)? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??B??LLE(local linear embedding)

C??PCA? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?D??KL

答案：AB
Principal Component Analysis(PCA)是最常用的線性降維方法，它的目標是通過某種線性投影，將高維的數據映射到低維的空間中表示，并期望在所投影的維度上數據的方差最大，以此使用較少的數據維度，同時保留住較多的原數據點的特性。

Linear Discriminant Analysis (也有叫做Fisher Linear Discriminant)是一種有監督的（supervised）線性降維算法。與PCA保持數據信息不同，LDA是為了使得降維后的數據點盡可能地容易被區分！

Locally linear embedding（LLE）[1]是一種非線性降維算法，它能夠使降維后的數據較好地保持原有流形結構。LLE可以說是流形學習方法最經典的工作之一。很多后續的流形學習、降維方法都與LLE有密切聯系。

Laplacian Eigenmaps（拉普拉斯特征映射）看問題的角度和LLE有些相似，也是用局部的角度去構建數據之間的關系。它的直觀思想是希望相互間有關系的點（在圖中相連的點）在降維后的空間中盡可能的靠近。Laplacian Eigenmaps可以反映出數據內在的流形結構。

其中最后后兩種是基于圖的特征降維方法。

28、使用LR來擬合數據， 一般隨機將數據分為訓練集和測試集。 則隨著訓練集合的數據越來越多， 以下說法正確的是

A測試集上的測試誤差會越來越大

B測試集上的測試誤差會越來越小

C訓練集上的訓練誤差會越來越小

D訓練集上的訓練誤差會越來越大

答案：BD

前提：測試數據不變，只增加訓練數據

1.減少過擬合，泛化更好，測試誤差變小

2.訓練集多樣性增加，數據輸入分布改變，訓練誤差變大

29、有A，B 兩個國家，人口比例為4:6，A國的犯罪率為0.1%，B國的為0.2%?，F在有一個新的犯罪事件，發生在A國的概率是？

A0.15? ? ? ? ? ? ? B0.25? ? ? ? ? ? ? ? ?C 0.35? ? ? ? ? ? D 0.45

答案：0.25

總結

以上是生活随笔為你收集整理的刷题笔记2的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。