人工智能机器学习课后习题 --回归

（一）单选题

1.以下()组变量之间存在线性回归关系？ A:学生的性别与他的成绩 B:儿子的身高与父亲的身高 C:正方形的边长与面积D: 正三角形的边长与周长

2.回归问题和分类问题的区别是？ A:回归问题有标签，分类问题没有 B:回归问题输出值是离散的，分类问题输出值是连续的C:回归问题输出值是连续的，分类问题输出值是离散的 D:回归问题与分类问题在输入属性值上要求不同

3.以下说法错误的是？ A:残差是预测值与真实值之间的差值B:损失函数越小，模型训练得一定越好 C:正则项的目的是为了避免模型过拟合 D:最小二乘法不需要选择学习率

4.哪些算法不需要数据归一化？ A:kNN B:k-means C:SVMD: 决策树

5.以下()些方法不能用于处理欠拟合？A:增大正则化系数 B:增加新的特征 C:增加模型复杂度 D:对特征进行变换，使用组合特征或高维特征

6.以下哪些方法不能用于处理过拟合？ A:对数据进行清洗 B:增大训练数据的量 C:利用正则化技术D:增加数据属性的复杂度

7.下列关于线性回归分析中的残差（Residuals）说法正确的是？选项：A:残差均值总是为零 B:残差均值总是小于零 C:残差均值总是大于零 D:以上说法都不对

8.为了观察测试 Y 与 X 之间的线性关系，X 是连续变量，使用下列哪种图形比较适合？选项：A:散点图 B:柱形图 C:直方图 D:以上都不对

9.假如你在训练一个线性回归模型，则：1. 如果数据量较少，容易发生过拟合。2. 如果假设空间较小，容易发生过拟合。关于这两句话，下列说法正确的是？选项： A:1 和 2 都错误B:1 正确，2 错误 C:1 错误，2 正确 D:1 和 2 都正确

10.关于特征选择，下列对 Ridge 回归和 Lasso 回归说法正确的是？选项： A:Ridge 回归适用于特征选择B:Lasso 回归适用于特征选择 C:两个都适用于特征选择 D:以上说法都不对

11.构建一个最简单的线性回归模型需要几个系数（只有一个特征）？选项： A:1 个B:2 个 C:3 个 D:4 个

12.向量x=[1,2,3,4,-9,0]的L1范数是多少？ A:1 B:19 C:6 D:根号111

（二）多选题

1.以下哪些是使用数据规范化(特征缩放)的原因？ A:它通过降低梯度下降的每次迭代的计算成本来加速梯度下降 B:它通过减少迭代次数来获得一个好的解，从而加快了梯度下降的速度 C:它不能防止梯度下降陷入局部最优 D:它防止矩阵X^TX 不可逆(奇异/退化)

2.线性回归中，我们可以使用最小二乘法来求解系数，下列关于最小二乘法说法正确的是?( )A:只适用于线性模型，不适合逻辑回归模型等其他模型 B:不需要选择学习率 C:当特征数量很多的时候，运算速度会很慢 D:不需要迭代训练

3.欠拟合的处理主要有哪些方式：() A:增加模型复杂度 B:减小正则化系数 C:增大正则化系数D:添加新特征

4.假如使用一个较复杂的回归模型来拟合样本数据，使用 Ridge回归，调试正则化参数，来降低模型复杂度，若正则化系数较大时，关于偏差(bias)和方差(variance)，下列说法正确的是?( ) 选项： A:偏差减小B:偏差增大 C:方差减小 D:方差增大

（三）判断题

1.如果两个变量相关，那么它们一定是线性关系。答案: 【错误】

2.随机梯度下降，每次迭代时候，使用一个样本。答案: 【正确】

3.L2正则化往往用于防止过拟合，而L1正则化往往用于特征选择。答案: 【正确】

4.过拟合的处理可以通过减小正则化系数。答案: 【错误】

金钥匙