1.神经 络优化计算存在的问题有（ABC ）。
A.解的不稳定性 B.参数难以确定
C.难以保证最优解 D.能量函数存在大量局部极大值
2.下列Python数据类型中，可变数据类型是（ AC）。
A.字典 B.元组 C.列表 D.字符串
可变数据类型：value值改变，id值不变；不可变数据类型：value值改变，id值也随之改变。元组元素不可修改故不可变。常见不可变类型：数字、字符串、布尔、元组。
3.下面哪些Python数据类型是有序序列（ ABD）。
A.元组 B.列表 C.字典 D.字符串
Python中的列表是可变序列，通常用于存储相同类型的数据集合，当然也可以存储不同类型数据。Tuple是不可变序列，通常用于存储异构数据集合。有序序列主要体现在元素有序。
4.决定人工神经 络性能的要素有（ABC ）。
A.神经元的特性
B.神经元之间相互连接的形式为拓扑结构
C.为适应环境而改善性能的学习规则
D.数据量大小
5.Python语言的应用领域有（ ABCD）。
A.Web开发 B.操作系统管理和服务器运维的自动化脚本
C.科学计算 D.游戏开发
6.前馈型神经 络常用于（AD ）。
A.图像识别 B.文本处理 C.问答系统 D.图像检测
前馈神经 络中，各神经元分别属于不同的层。每一层的神经元可以接收前一层神经元的信 ，并产生信 输出到下一层。第 0 层叫输入层，最后一层叫输出层，其它中间层叫做隐藏层，相邻两层的神经元之间为全连接关系，也称为全连接神经 络(FNN)，其主要特点为单向多层， 络表示为一个有向无环图。分为三种：，一种为感知器 络，主要用于模式分类、多模态感知；一种叫反向传播 络(Back propagation Networks)也可简称为BP 络，常用于非线性映射；一种叫做径向基函数神经 络(RBF Network)，常用于识别细胞，识别图像，识别声音。
7.机器学习的实现过程，包括数据收集、（ ABCD ）等环节。
A.数据分析处理 B.算法选择 C.训练模型 D.模型调整
机器学习一般过程：明确问题、收集数据、分析数据（格式整理、偏差检测降噪、数据清洗、去除脏数据和无用数据或噪声和缺失值、数据标准化或可视化等、设定数据集即数据拆分；此部分主要完成可用数据的数据特征提取等工作）、选择模型、设置损失函数loss?（0-1损失函数，当预测错误时，损失函数为1，当预测正确时，损失函数值为0）、设置学习率（数据集大小不同学习率不同）、训练、评估、调参（超参调整）、预测模型应用。
8.以下属于人工神经 络的应用方向的是（ABCD ）。
A.自动控制 B.信 处理 C.软测量 D.智能计算
软测量是对难以测量或者暂时不能测量的重要变量，选择另外一些容易测量的变量，通过构成某种数学关系来推断或者估计，以软件来替代硬件的功能。
9.Python语言的特点有（ABD ）。
A.简单易学 B.开源 C.面向过程 D.可移植性
10.传统机器学习的应用领域有（ABD ）。
A.信用风险检测 B.销售预测 C.语音合成 D.商品推荐
语音合成，又称文语转换（Text to Speech）技术，能将任意文字信息实时转化为标准流畅的语音朗读出来。它涉及声学、语言学、数字信 处理、计算机科学等多个学科技术，是中文信息处理领域的一项前沿技术。
11.下列说法不正确的是（ CD ）。
A.Pandas库中处理数据缺陷时经常会使用dropna将缺陷数据清除
B.Pandas库中isnull判断数据是否为空
C.Pandas不能读取csv文本
D.Pandas能够读取word文件
12.一个完整的人工神经 络包括（AC ）。
A.一层输入层 B.多层分析层 C.多层隐藏层 D.两层输出层
13.按照学习方式的不同，可以将机器学习分为以下哪几类（ ABC ）。
A.有监督学习 B.无监督学习 C.半监督学习 D.自主学习
14.以下属于深度学习框架的有：（ ABCD ）。
A.Keras B.TensorFlow C.PaddlePaddle D.PyTorch
15.（ B）和（ C）是分类任务中最常用的两种评估指标。
A.查全率 B.错误率 C.准确率（精度） D.查准率
16.机器学习的核心要素包括（ACD ）。
A.数据 B.操作人员 C.算法 D.算力
17.关于sigmoid函数，以下描述正确的是：（ ABD）。
A.输出值的范围为0-1之间的实数
B.输入值靠近0的位置，输入与输出近似线性关系
C.输入值靠近0的位置，斜率近似为0
D.输入值是任意的实数
18.在多分类学习中，经典的拆分策略有（ ACD）。
A.一对其余（One vs Rest） B.二对二（Two vs Two）
C.多对多（Many vs Many） D.一对一（One vs One）
19.a = numpy.array([[1,2,3],[4,5,6]]) 下列选项中可以选取数字5的索引的是（AC ）。
A.a[1][1] B.a[2][2] C.a[1,1] D.a[2,2] A选项按0开始算
20.以下哪些属于分类问题的是：（ BCD）。
A.多标签单分类 B.单标签多分类 C.二分类 D.多标签多分类
21.如何判断一个理想的训练集ABC ）。
A.理想的训练集具有均衡的多样性分布，不容易发生过拟合现象
B.相对于样本的数量，样本自身的代表性和质量更为重要
C.数据集的内容与模型需要达成的目标具有高度的一致性
D.交叉验证方法可以弥补数据集的缺陷
22.机器学习与数据挖掘之间的关系和区别为（ABC ）。
A.数据挖掘可以视为机器学习和数据库的交叉。
B.数据挖掘主要利用机器学习界提供的技术来分析海量数据，利用数据库界提供的技术来管理海量数据。
C.机器学习偏理论，数据挖掘偏应用。
D.两者是相互独立的两种数据处理技术。
试题解析： D数据挖掘可以视为机器学习和数据库的交叉，两者并不相互独立。
23.下列哪些函数语句可以设置坐标轴的刻度：（ AB ）。
A.plt.xticks() B.plt.yticks() C.plt.xlabel() D.plt.ylabel()
24.在现实世界的数据中，缺失值是常有的，一般的处理方法有（ ABCD ）。
A.忽略 B.删除 C.平均值填充 D.最大值填充
25.以下哪些方法可以用于评估分类算法的性能：（ABC ）。
A.F1 Score B.精确率 C.AUC D.预测结果分布
评价分类器的性能指标:[Evaluation Metric]
ACC [accuracy] 准确度、Precision 精确度、Recall 召回率、F1-score、AUC
分类器在测试数据集上进行预测正确或者不正确，可以分为4种情况，分别是：
TP : 将正类预测为正类数
FN : 将正类预测为负类数
FP : 将负类预测为正类数
TN: 将负类预测为负类数
1. ACC 准确率
对于给定的测试集，分类器正确分类样本数与总样本数之比。
但在binary classification 且正反例不平衡的情况下，尤其是我们对minority class 更感兴趣的时候，accuracy评价基本没有参考价值。
2.Precision 精确率
or positive predictive value
3.Recall 召回率
sensitivity or true positive rate (TPR)
4. F1-Score
为精确率和召回率的调和均值
精确率和召回率都高时，F1 值也会高。
5，AUC
5.1 ROC曲线
ROC曲线描述的是分类混淆矩阵中FPR-TPR两个量之间的相对变化情况。
如果二元分类器输出的是对正样本的一个分类概率值，当取不同阈值时会得到不同的混淆矩阵，对应于ROC曲线上的一个点。
ROC曲线反映了FPR与TPR之间权衡的情况，通俗地来说，即在TPR随着FPR递增的情况下，谁增长得更快，快多少的问题。
TPR增长得越快，曲线越往上屈，反映了模型的分类性能就越好。当正负样本不平衡时，这种模型评价方式比起一般的精确度评价方式的好处尤其显著。
5.2 AUC曲线
AUC（Area Under Curve）ROC曲线下的面积。AUC的取值范围在0.5和1之间。
使用AUC值作为评价标准是因为很多时候ROC曲线并不能清晰的说明哪个分类器的效果更好，而AUC作为数值可以直观的评价分类器的好坏，值越大越好。
方法1：计算出ROC曲线下面的面积，即AUC的值。我们的测试样本是有限的，所以得到的AUC曲线必然是一个阶梯状的。计算的AUC也就是这些阶梯下面的面积之和。计算的精度与阈值的精度有关。
方法2：一个关于AUC的很有趣的性质是，它和Wilcoxon-Mann-Witney Test（秩和检验）是等价的。而Wilcoxon-Mann-Witney Test就是测试任意给一个正类样本和一个负类样本，正类样本的score有多大的概率大于负类样本的score。
有了这个定义，我们就得到了另外一种计算AUC的办法：得到这个概率。具体来说就是统计一下所有的 M×N(M为正类样本的数目，N为负类样本的数目)个正负样本对中，有多少个组中的正样本的score大于负样本的score。当二元组中正负样本的 score相等的时候，按照0.5计算。然后除以MN。实现这个方法的复杂度为O(n^2)。n为样本数（即n=M+N）。
方法3：实际上和上述第二种方法是一样的，但是复杂度减小了。它也是首先对score从大到小排序，然后令最大score对应的sample 的rank为n，第二大score对应sample的rank为n-1，以此类推。然后把所有的正类样本的rank相加，再减去M-1种两个正样本组合的情况。得到的就是所有的样本中有多少对正类样本的score大于负类样本的score。然后再除以M×N。
ROC(Receiver Operating Characteristic,受试者工作特征)曲线是一种比较两个分类模型有用的可视化工具。ROC曲线显示了给定模型的真正例率(TPR)和假正例率(FPR)之间的权衡，纵轴是“真正例率(TPR)”,横轴是“假正例率(FPR)”。
图(a)中，给出了两条线，ROC曲线给出的是当阈值变化时假正例率和真正例率的变化情况。左下角的点所对应的是将所有样例判为反例的情况，而右上角的点对应的则是将所有样例判为正例的情况。虚线给出的是随机猜测的结果曲线。
现实任务中通常利用有限个测试样例来绘制ROC图，此时仅能获得有限个(真正例率，假正例率)坐标对，无法产生图(a)中光滑的ROC曲线，只能绘制如图(b)所示的近似ROC曲线。
绘图过程：给定m+个正例和m-个反例，根据学习器预测结果对样例进行排序，然后把分类阈值设为最大，即把所有样例均预测为反例，此时真正例率和假正例率均为0，在坐标(0,0)处标记一个点。然后，将分类阈值依次设为每个样例的预测值，即依次将每个样例划分为正例。设前一个标记点坐标为(x,y),当前若为真正例，则对应标记点的坐标为(x,y+1/m+);当前若为假正例，则对应标记点的坐标为(x+1/m-,y),然后用线段连接相邻点即可。
若一个学习器的ROC曲线被另一个学习器的曲线完全“包住”，则可断言后者性能优于前者；如果曲线交叉，可以根据ROC曲线下面积大小进行比较，也即AUC(Area Under ROC Curve)值.
AUC可通过对ROC曲线下各部分的面积求和而得。假定ROC曲线由坐标为{(x1,y1),(x2,y2),…,(xm,ym)}的点按序连接而形成(x1=0,xm=1),则AUC可估算为
AUC给出的是分类器的平均性能值，它并不能代替对整条曲线的观察。一个完美的分类器的AUC为1.0，而随机猜测的AUC值为0.5
AUC考虑的是样本预测的排序质量，因此它与排序误差有紧密联系。给定m+个正例，m-个反例，令D+和D-分别表示正、反例集合，则排序”损失”定义为
Lrank对应ROC曲线之上的面积：若一个正例在ROC曲线上标记为(x,y)，则x恰是排序在期前的所有反例所占比例，即假正例，因此：
AUC值是一个概率值，当你随机挑选一个正样本以及负样本，当前的分类算法根据计算得到的Score值将这个正样本排在负样本前面的概率就是AUC值，AUC值越大，当前分类算法越有可能将正样本排在负样本前面，从而能够更好地分类。
26.在类不平衡数据集中，（A ）和（B ）通常作为更合适的性能度量。
A.查全率 B.查准率 C.错误率 D.准确率
一、 经验误差与过拟合
错误率：把分类错误的样本数占样本总数的比例，如果m个样本中有a个样本分类错误，则错误率E = a/m
精度：1- a/m
训练误差（经验误差）：学习器在训练集上的误差
泛化误差：在新样本上的误差
过拟合：对训练样本某些特点学的太过，导致泛化性能下降
欠拟合：对训练样本的一般性质尚未学好
二、 数据集划分
1. 留出法
留出法直接将数据集D划分为两个互斥的集合，其中一个作为训练集S，另一个作为测试集T。
常见做法为：1/5 ~ 1/3 样本作为测试集
训练/测试集的划分要尽可能保持数据分布的一致性，避免因数据划分而引入的额外偏差。
因此，单独的使用留出发得到的估计结果往往不够稳定可靠，在使用留出法时，一般要采用若干次随机划分，重复进行实验评估后取平均值作为留出法的评估结果。
2. 交叉验证法
交叉验证法先将数据集D划分为K个大小相似的互斥子集，每个子集尽可能保持数据分布的一致性，即从D中通过分层采样得到。每次用K-1个子集的并集作为训练集，余下的那个作为测试集。从而进行K次训练和测试，最终返回K个测试结果的均值。通常将交叉验证法称为： K折交叉验证。
与留出法相似，将数据集D划分为K个子集的方式有多种，为减小因样本划分不同而引起的差别，K折交叉验证通常要随机使用不同的划分重复P次，最终评估结果为这P次K折交叉验证的均值，例如常见的有10次10折交叉验证
假定D中包含m个样本，若令K = m，则得到了交叉验证法的一个特例：留一法
留一法不受随机样本划分方式的影响，因此留一法的评估结果往往比较准确。不过也有缺陷：在数据集较大的时候计算开销较大。
3. 自助法
给定m个样本的数据集D，对其采样产生数据集D2:每次随机从D中挑选一个样本，将其拷贝放入D2，然后将样本放回D，使得该样本在下次采样时仍有可能被采到。这个过程执行m次后，就得到了包含m个样本的数据集D2
经过数学极限的计算，初始数据集D中越有36.8%的样本未出现在采样数据集D2中。于是，可将D2当作训练集，DD2当作测试集(” “表示集合减法)
自助法在数据集较小、难以有效划分训练、测试集时很有用。此外，自助法能从初始数据集中产生较多不同的训练集，这对集成学习等方法有很大好处。然而，改变了初始数据集的分布会引入估计偏差。因此，在初始数据量足够的情况下，留出法和交叉验证法更常用一些。
三、调参与最终模型
1、在进行模型评估与选择时，除了要对使用学习的算法进行选择，还要对参数进行设定。
2、在模型选择完成后，学习算法和参数配置已经设定，此时应用数据集D重新训练模型，而不是训练集，这才是最终提交给用户的模型。
四、 性能度量
1、回归
回归任务最常用的性能度量是“均方误差”
2. 分类
1. 错误率和精度
这是分类任务中最常用的两种性能度量，既适用于二分类任务，也适用于多分类任务。
错误率是分类错误的样本占样本总数的比例；精度是分类正确的样本数占样本总数的比例。
2. 查准率、查全率和F1
由于错误率和精度将每个类看的同等重要，因此不适合用来分析类不平衡数据集。
在类不平衡数据集中，正确分类稀有类比正确分类更多类更有意义。此时查准率和查全率比准确率和错误率更合适。对于二分问题，稀有类样本通常标记为正例，而多数类样本标记为负例。
统计真实标记和预测结果的组合可以得到如下所示的混淆矩阵：
- 查准率（P）：被分为正类的样本中实际正类的样本比例。
- 查全率（R） ： 实际为正类的样本中被分为正类的样本比例。
- P = TP / ( TP + FP)
- R = TP / ( TP + FN)
P-R曲线
以查准率为纵轴、查全率为横轴作图，得到P-R曲线
平衡点（BEP） ： 它是查全率 = 查准率时的取值。
F1 = （ 2 * TP）/ 样例总数+ TP – FN
若对查准率或查全率有不同的偏好：
β > 1 时查全率有更大影响，β 时查准率有更大影响，β = 1 时退化为标准F1.
若有多个二分类混淆矩阵（全局） :
先在混下矩阵上分别计算出查准率和查全率，记为 （P1，R1），（P2,R2），（P3,R3），（P4,R4）…再计算平均值，这样就得到**宏查找率（macro-P），宏查全率（macro-R），以及相应的宏F1 :
还可先将各混淆矩阵的对应元素进行平均，得到TP、FP、TN、FN的平均值，再基于这些平均值计算出微查准率、微查全率、微F1
3. ROC和AUC
真正例率（TPR）：TPR = TP / (TP + FN)
假正例率（FPR）：FPR = FP / (TN + FP)
AUC:ROC曲线下的面积
4. 代价敏感错误率与代价曲线
为均衡不同类型错误所照成的不同的损失，为错误赋予非均等代价 ,以二分类为例，引入了代价矩阵：
在非均等代价下，我们所希望的不再是简单的最小化错误次数，而是希望最小化总体代价。
代价曲线的绘制
试卷分析：多选题考察较为基础，主要涉及基本概念和基础知识运用的考查，知识点方面涵盖Python基础、Python第三方库科学计算基础软件包NumPy、结构化数据分析工具Pandas、绘图库Matplotlib、科学计算工具包SciPy等的具体应用、机器学习基本流程、数据集划分、机器学习基础知识、英文专业术语、AUC等，试题中出现的难点主要有对机器学习算法一般性能标准的理解。总的来说，题目有一定难度。
文章知识点与官方知识档案匹配，可进一步学习相关知识OpenCV技能树首页概览11161 人正在系统学习中
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！