尔雅统计机器学习课后答案(学习通2023完整答案)

第一讲机器学习简介

第一讲测验

1、尔雅机器学习可以用于哪些情形？
A、统计通完人类无法解释的机器专业知识
B、模型需要基于大量数据
C、学习学习当人类专业知识不存在
D、课后模型必须定制

2、答案以下哪些属于监督学习？
A、整答朴素贝叶斯
B、尔雅支持向量机
C、统计通完聚类
D、机器决策树

3、学习学习机器学习的课后类型有？
A、半监督学习
B、答案有监督学习
C、整答无监督学习
D、尔雅强化学习

4、有监督学习是分类同时定性的，而无监督学习是先聚类后定性的。

5、半监督学习没标签数据的数量常常远大于有标签数据的数量。

第二讲机器学习的评估方法

第二讲测验

1、不平衡问题的领域有？
A、医学诊断
B、预测罕见事件
C、检测欺诈
D、预测故障/失效

2、识别任务中，召回率是被预测为“正面”的测试数据中结果是正确的比例。

第三讲回归分析

第三讲测验

1、已知变量x与y正相关，且由观测数据算得x的样本平均值为3，y的样本平均值为3.5，则由该观测数据算得的线性回归方程可能是
A、y=0.4x+2.3
B、y=2x-2.4
C、y=-2x+9.5
D、y=-0.3x+4.4

2、在两个变量的回归分析中，作散点图是为了
A、直接求出回归直线方程
B、直接求出回归方程
C、根据经验选定回归方程的类型
D、估计回归方程的参数

3、下列两个变量之间的关系，哪个是函数关系
A、学生的性别与数学成绩
B、人的工作环境与健康状况
C、正方形的边长与面积
D、儿子的身高与父亲的身高

4、在线性回归方程y=a+bx中，回归系数b表示
A、当x=0时，y的平均值
B、x变动一个单位时，y的实际变动量
C、y变动一个单位时，x的平均变动量
D、x变动一个单位时，y的平均变动量

5、若每一吨铸铁成本y（元）与铸件废品率x%建立的回归方程y=56+8x，下列说法正确的是
A、废品率每增加1%，成本每吨增加64元
B、废品率每增加1%，成本每吨增加8%
C、废品率每增加1%，成本每吨增加8元
D、废品率每增加1%，成本每吨增加56元

6、若根据x与y之间的一组数据求得两个变量之间的线性回归方程为y=a+bx，已知：数据x的平均值为2，数据y的平均值为3，则
A、回归直线必过点（2，3）
B、回归直线不一定过点（2，3）
C、点（2，3）在回归直线上方
D、点（2，3）在回归直线下方

7、下列结论正确的是
A、函数关系是一种确定性关系
B、相关关系是一种非确定性关系
C、回归分析是对具有函数关系的两个变量进行统计分析的一种方法
D、回归分析是对具有相关关系的两个变量进行统计分析的一种方法

8、广义加性模型由什么特点
A、可以自动对自变量和因变量进行非线性关系的建模
B、非线性拟合可能会提高对因变量的预测精度
C、在保持其他自变量不变的情形下可以分析每个自变量对因变量的单独效应
D、非线性拟合可能会降低对因变量的预测精度

9、广义加性模型的拟合方法有
A、自然样条
B、光滑样条
C、多项式回归
D、局部回归

10、下列说法正确的是
A、当变量之间的相关关系不是线性关系时，也能描述变量之间的相关关系
B、当变量之间的相关关系不是线性关系时，也能直接用线性回归方程描述它们的相关关系
C、把非线性回归化为线性回归为我们解决问题提供了一种方法
D、当变量之间的相关关系不是线性关系时，可以通过适当的变换使其转换为线性关系

11、为了考察两个变量x和y的线性相关性，甲、乙两个同学各自独立地做10次和15次实验，并且利用线性回归方法，求得回归直线分别为L1和L2。已知在两个人的实验中发现对变量x的观测数据的平均值恰好相等，都为s，对变量y的观测数据的平均值也恰好相等，都为t，那么下列说法错误的是
A、直线L1和L2有交点（s,t）
B、直线L1和L2相交，但交点未必是点（s,t）
C、直线L1和L2由于斜率相等，所以必定平行
D、直线L1和L2必定重合

12、线性假设是指自变量xj的变化对因变量y的影响与其他自变量的的取值无关。

13、“回归函数在边界区域是线性的”这个附加约束使自然样条在边界处产生更稳定的估计

14、在N-W方法中，核函数的带宽h越小，估计的回归函数曲线越光滑，h越大，估计的回归函数曲线波动越大。

15、广义加性模型在保持其他自变量不变的情形下可以分析每个自变量对因变量的单独效应。

16、回归函数刻画了平均意义下因变量与自变量的相依关系。

17、回归分析的研究对象是具有相关关系的变量。

18、回归分析的首要问题是

19、分段多项式回归的回归系数发生的临界点称为

20、自然样条是添加了的样条回归：回归函数在边界区域是线性的。

21、做样条回归时，如果结点个数过，样条的回归曲线将非常曲折；反之，将过于平坦。

22、在光滑样条回归的目标函数中，的作用是使得回归函数尽可能拟合训练数据

学习通统计机器学习

统计机器学习是机器学习中的一种重要方法。通过学习训练数据，利用统计学原理建立模型，对新数据进行预测和推断。在工业界和学术界都有广泛的应用。

学习通统计机器学习课程介绍

学习通是国内知名的在线学习平台，提供各种在线课程，其中包括统计机器学习课程。该课程由清华大学计算机科学与技术系的教授吴恩达先生讲解，共有11个章节，涵盖了机器学习的基础和应用。

课程内容

该课程的主要内容包括：

机器学习的基本原理
监督学习算法（线性回归、逻辑回归、支持向量机等）
非监督学习算法（聚类、降维等）
神经网络和深度学习
应用案例（人脸识别、语音识别、推荐系统等）

学习方式

该课程支持在线学习和下载课程资料。学生可以在学习通平台上观看课程视频、下载课程文档、讨论问题和参加测验。课程设置了章节测验和期末考试，学生可以通过测验和考试来检验自己的学习成果。

学习收获

学习该课程可以：

了解机器学习的基本原理和应用
学习监督学习和非监督学习算法
了解神经网络和深度学习的基本原理
掌握应用机器学习解决实际问题的技巧
提高编程和分析数据的能力

统计机器学习的应用

统计机器学习在各个领域都有广泛的应用，如：

图像识别

统计机器学习可以用来训练算法，实现图像识别。例如，在人脸识别领域，可以通过对大量人脸数据进行训练，建立人脸库，实现自动人脸识别的功能。另外，在自动驾驶领域，可以通过识别道路标志和信号灯来辅助驾驶。

语音识别

统计机器学习可以用来识别语音，实现语音转文字的功能。例如，在智能客服领域，可以通过自然语言处理技术和语音识别技术，实现自动接听电话和解决用户问题的功能。另外，在智能家居领域，可以通过语音控制来操控家电。

总结

通过学习通统计机器学习课程，可以了解机器学习的基本原理和应用，并学习监督学习和非监督学习算法，掌握应用机器学习解决实际问题的技巧，提高编程和分析数据的能力。统计机器学习在图像识别、语音识别和推荐系统等领域都有广泛的应用。对于想要从事机器学习相关工作的人来说，学习通统计机器学习课程是一个不错的选择。