Python机器学习应用 | 监督学习课程测验

1单选(2分)
假设，我们有如下分成三类的数据，使用KNN算法（k=4），计算点（6,5）所属的类别应是（欧式距离）：

A.不确定
B.类别1
C.类别2
D.类别3

答案：C

2单选(2分)
以下说法正确的是：
A.监督学习与无监督学习的主要区别是，监督学习的训练样本无标签
B.决策树只能用于二分类问题
C.神经网络可以用于多分类问题
D.分类任务的评价指标精确率和准确率是同一个概念

答案：C

3多选(2分)
以下属于监督学习任务的有：
A.降维
B.回归
C.聚类
D.分类

答案：BD

4判断(2分)
目前，某公司根据求职人员的基本信息构造了一颗决策树（如下），现有某求职人员，基本信息为{四级成绩=未通过，语言基础=熟悉，网络编程=精通，Linux基础=熟悉}，根据决策树判断，该人员会被拒绝，对吗？

答案：A 错

5填空(2分)
在使用神经网络对手写数字进行识别时，若输入为28*28大小的数字矩阵，输出对应于0-9的数字类别，则输入神经元应是_个，输出神经元是_个（答案形式：123,12）。

答案：784,10

6填空(2分)
假设通过大量数据分析，获得了房屋面积和价格之间的线性关系如下：y=0.15*x+44

那么，当房屋面积为3600的时候，其价格大约是_。

答案：584

7填空(2分)
假设我们手上有60个正样本，40个负样本，我们要找出所有的正样本，分类算法查找出50个，其中只有40个真正的正样本，则其召回率是多少（保留两位小数）？

答案：80.00

8填空(2分)

import numpy as np     #导入numpy工具包from os import listdir #使用listdir模块，用于访问本地文件from _________ import MLPClassifier clf = MLPClassifier(hidden_layer_sizes=(100,),                    activation='logistic', solver='adam',                    learning_rate_init = 0.0001, max_iter=2000)

补全以上代码。

答案：sklearn.neural_network

9填空(2分)

import numpy as np     #导入numpy工具包from os import listdir #使用listdir模块，用于访问本地文件from sklearn import neighborsknn = neighbors.KNeighborsClassifier(algorithm='kd_tree', __________)

补全代码，创建k为3的KNN分类器

答案：n_neighbors=3

10填空(2分)

import matplotlib.pyplot as pltimport numpy as npfrom sklearn import linear_modellinear = linear_model._______()

补全代码，创建线性回归模型。

答案：LinearRegression