2024年春江苏开放大学机器学习形考作业二高分答案

注意：因为学习平台题目是随机，选择题选项也是随机，一定注意答案对应的选项，同学们在本页按“Ctrl+F”快捷搜索题目中“关键字”就可以快速定位题目，还是不懂的话可以看这个：快速答题技巧

一、2024年春江苏开放大学机器学习形考作业二单选题答案

1、下列关于软投票说法错误的是？

A、投票表决器可以组合不同的基分类器

B、使用概率平均的⽅式来预测样本类别

C、可以对每个基分类器设置权重，⽤于对预测概率求进⾏加权平均

D、软投票过程中每个基分类器都预测⼀个类别

学生答案：D

2、下列有关词袋表示法的理解有误的是（）

A、将每个⽂本对应词表转化为特征向量

B、仅出现在少数本⽂的词汇，⼀般被标记为停⽤词不计⼊特征向量

C、不考虑词语出现的顺序，每个出现过的词汇单独作为⼀列特征

D、不重复的特征词汇集合为词表

学生答案：B

3、兰德系数和轮廓系数都是常⽤的聚类分析指标，以下对兰德系数和轮廓系数说法错误的是

A、轮廓系数适⽤于实际类别信息未知的情况

B、在聚类结果随机产⽣的情况下，兰德系数不能保证系数接近于0、C、兰德系数取值为[0,1]，越⼤聚类结果与真实情况越接近

D、调整兰德系数取值范围为[-1,1]，负数代表结果不好，越接近于0越好

学生答案：D

4、箱线图是检测离群值的⽅法，下⾯关于箱线图的说法不正确的是？

A、箱线图中框的上边线表示上四分位数，框的下边线表示下四分位数

B、箱外的两条线（胡须）分别延伸到最⼩和最⼤⾮异常点

C、四分位距IQR = 1.5 ( Q3-Q1 )，其中Q3为上四分位数， Q1为下四分位数

D、箱中⾼于上边缘和低于下边缘的值为离群点

学生答案：C

5、若集成模型中，预测值表示为，真实值为，则Adaboost的损失函数(Loss Function)

表示为（）

学生答案：B

6、关于三种常⻅的稳健性回归⽅法–Huber回归、RANSAC回归和泰尔森回归，下列选项说法

正确的是：

A、从回归的速度上看，⼀般来说，Huber回归最快，其次是RANSAC回归，最慢的是泰尔森回归

B、泰尔森回归⽐RANSAC回归在样本数量上的伸缩性（适应性）好

C、⼀般情况下，泰尔森回归可以更好地处理y⽅向的⼤值异常点

D、Huber回归可以更好地应对X⽅向的中等⼤⼩的异常值，但是这个属性将在⾼维情况下消失

学生答案：A

7、下列有关轮廓系数的说法错误的是（）

A、所有样本的轮廓系数均值为聚类结果的轮廓系数，是该聚类是否合理、有效的度量

B、某个样本的轮廓系数近似为0，说明该样本在两个簇的边界上

C、某个样本的轮廓系数的绝对值接近1，说明该样本聚类结果合理

D、某个样本的轮廓系数接近1，说明该样本聚类结果合理

学生答案：C

8、下列模型中属于回归模型的是？

A、ID3、B、DBSCAN

C、线性回归

D、逻辑回归

学生答案：C

9、下列有关ROC曲线与AUC的描述错误的是

A、ROC曲线越靠近(0, 1)证明模型整体预测能⼒越差

B、AUC的取值为[0.5, 1]

C、AUC的⼏何意义为ROC曲线与横轴FPR之间的⾯积

D、ROC曲线可以⽤来考察模型的预测能⼒

学生答案：A

10、下列有关包裹式和嵌⼊式特征选择的说法错误的是（）

A、嵌⼊式特征选择的思想是根据模型分析特征的重要性，常⽤正则化⽅式来做特征选择

B、包裹式特征选择的思想是把特征选择看做⼀个特征⼦集搜索问题， 筛选各个特征⼦集， ⽤模型评

估各个⼦集的效果

C、Scikit-learn中实现嵌⼊式特征选择的类SelectFromModel 必须与有feature_importances_ 或

者coef_ 属性的模型⼀起使⽤，如随机森林和逻辑回归

D、Scikit-learn中实现嵌⼊式特征选择的类有SelectFromModel 、RFE 和RFECV

学生答案：D

11、下列有关特征抽取和特征选择的说法有误的⼀项是（）

A、特征抽取和特征选择是达到降维⽬的的两种途径

B、PCA和LDA是特征选择的两种主要⽅法

C、特征抽取的⽬标是根据原始的d个特征的组合形成k个新的特征，即将数据从d维空间映射到k维空间

D、特征选择的⽬标是从原始的d个特征中选择k个特征

学生答案：B

12、以下程序语句有误的是（）

A、clf=LogisticRegression(penalty=’l1′,random_state=10,solver=’liblinear’)

B、clf=LogisticRegression(penalty=’l2′,random_state=10,solver=’liblinear’)

C、clf=LogisticRegression(penalty=’l1′,random_state=10,solver=’lbfgs’)

D、clf=LogisticRegression(penalty=’l2′,solver=’newton-cg’)

学生答案：C

13、关于线性回归模型的正则化，下列选项叙述不正确的是：

A、正则化的常⽤⽅法为岭回归和LASSO，主要区别在于岭回归的⽬标函数中添加了L2惩罚函数，⽽

LASSO的⽬标函数中添加的是L1惩罚函数

B、正则化可以减⼩线性回归的过度拟合和多重共线性等问题

C、对⽐岭回归和LASSO，岭回归更容易得到稀疏解

D、在求解LASSO时，常⽤的求解算法包括坐标下降法、LARS算法和ISTA算法等

学生答案：C

14、下列关于特征选择⽬的和原则的说法错误的是（ ）

A、特征选择能有效降低特征维度，简化模型

B、与⽬标特征相关性⾼的特征应该优先被选择

C、⽅差较⾼的特征应该被剔除

D、特征选择可以有效提升模型性能

学生答案：C

15、下列有关过滤式特征选择的说法错误的是（）

A、过滤式特征选择的⽅法是评估单个特征和结果值之间的相关程度， 留下相关程度靠前的特征

B、过滤式特征选择的评价指标主要有Pearson 相关系数， 互信息， 距离相关度等；其中卡⽅检

验(chi2) ，F检验回归(f_regression) , 互信息回归(mutual_info_regression) ⽤于回归问

题，F检验分类(f_classif) , 互信息分类(mutual_info_classif) ⽤于分类问题

C、Scikit-learn中实现过滤式特征选择的SelectKBest 类可以指定过滤个数， SelectPercentile 类

可以指定过滤百分⽐

D、过滤式特征选择的缺点是只评估了单个特征对结果的影响，没有考虑到特征之间的相关作⽤，可能

剔除有⽤的相关特征

学生答案：B

16、以下四个算法中，哪个不属于Scikit-learn聚类的主要算法（）

A、cluster.SpectralClustering

B、neighbors.KNeighborsRegressor

C、cluster.KMeans

D、cluster.AgglomerativeClustering

学生答案：B

17、下列有关DBSCAN聚类算法的理解有误的⼀项是（）

A、对数据集中的异常点敏感

B、不需要预先设置聚类数量k

C、调参相对于传统的K-Means 之类的聚类算法稍复杂，需要对距离阈值ϵ ，邻域样本数阈

值MinPts 联合调参，不同的参数组合对最后的聚类效果有较⼤影响

D、可以对任意形状的⾼密度数据集进⾏聚类，相对的， K-Means 之类的聚类算法⼀般只适⽤于凸数据集

学生答案：A

18、下图给出了三个节点的相关信息，请给出特征A1、A2及A3的特征重要性递减排序（）

A、A3>A1>A2

B、所给信息不⾜。

C、A2>A3>A1

D、A1>A2>A3

学生答案：A

二、2024年春江苏开放大学机器学习形考作业二多选题答案

1、下列关于缺失值处理的说法错误的是（ ）

A、可以将缺失值作为预测⽬标建⽴模型进⾏预测，以此来插补缺失值

B、连续型特征可以使⽤众数来插补缺失值

C、根据经验，可以⼿动对缺失值进⾏插补

D、离散型特征可以使⽤平均值来插补缺失值

学生答案：B；D

2、将连续型特征离散化后再建⽴逻辑回归模型，这样做对模型有什么影响（ ）

A、计算结果⽅便存储，容易扩展。

B、起到简化逻辑回归模型的作⽤

C、易于模型的快速迭代

D、离散化后的特征对异常数据敏感

学生答案：A；B；C

3、下列哪些⽅法可以解决数据集的线性不可分问题（ ）

A、⾼斯核SVM

B、多项式核SVM

C、软间隔SVM

D、硬间隔SVM

学生答案：A；B；C

4、以下关于集成模型中提升法（boosting）与装袋法（bagging）的⽐较，说法正确的是（）

A、Boosting主要⽤于⽤于抑制过拟合；⽽Bagging主要⽤于优化弱分类器。

B、Boosting的学习器可并⾏训练，⽆顺序；Bagging的学习器需要串⾏进⾏，有顺序。

C、Boosting⼀般采⽤整个训练集训练学习器；Bagging则采⽤部分训练集，没⽤到的数据可⽤于测

试。

D、Adaboost是⼀种Boosting⽅法；Random Forest是⼀种Bagging⽅法。

学生答案：C；D

5、下列关于软投票说法正确的是？（多选）

A、软投票过程中每个基分类器都预测⼀个类别

B、可以对每个基分类器设置权重，⽤于对预测概率求进⾏加权平均

C、投票表决器可以组合不同的基分类器

D、使用概率平均的⽅式来预测样本类别

学生答案：B；C；D

6、下列有关scikit-learn中TfidfVectorizer 类和CountVectorizer 类的说法错误的是（）

A、属性stop_words ：返回停⽤词表

B、参数stop_words ：设置停⽤词，默认为None （没有），可设置为english 或list （⾃⾏给定）

C、参数min_df ：设定阈值，忽略频率⾼于此阈值的词汇，默认为1、D、属性vocabulary_ ：返回词汇表（字典型）

学生答案：A；C

7、模型输⼊的特征通常需要是数值型的，所以需要将⾮数值型特征通过特征编码转换为数值特

征。下列选项对DataFrame对象df1 中的Make 字段进⾏特征编码，其中正确的是？

A、from sklearn.preprocessing import LabelEncoder

le = LabelEncoder()

df1[‘Make’]=le.fit_transform(df1[“Make”])

B、df1[‘Make’] = df1[‘Make’].str.replace({‘Toyota’:1, ‘Ford’:2, ‘Volvo’:3, ‘Audi’:4, ‘BMW

‘:5, ‘Nissan’:6})

C、df1[‘Make’] = df1[‘Make’].map({‘Toyota’:1, ‘Ford’:2, ‘Volvo’:3, ‘Audi’:4, ‘BMW’:5, ‘Ni

ssan’:6})

D、df1[‘Make’] = df1[‘Make’].replace({‘Toyota’:1, ‘Ford’:2, ‘Volvo’:3, ‘Audi’:4, ‘BMW’:5,

‘Nissan’:6})

学生答案：A；C；D

8、关于sklearn中的KNeighborsClassifier 算法类，下列说法正确的是（）

A、距离度量附属参数p 可设置为p =2“euclidean”(欧式距离)、p =1为“manhattan”(曼哈顿距离)，默认为2、B、K近邻算法通过对以样本a为圆⼼，半径为k的圆内的训练样本进⾏多数投票来确定样本a的类别。

C、当样本分布较乱，预测效果不好时，可将weights 设置为“distance”，将距离⽬标更近的近邻点赋

予更⾼的权重，来改善预测效果

D、参数’n_neighbors’ 的取值应该越⼤越好

学生答案：A；C

9、现有⼀个垃圾邮件分类问题，⽤N个关键词汇X1,X2,…,XN作为特征，将所有的邮件分类为垃圾邮件C1与正常邮件C2。m1为出现了关键词汇X1的垃圾邮件数量，m为垃圾邮件总数，M 为所有邮件总数，则下列加⼊Laplace平滑（平滑系数为1）的概率公式表示正确的是（ ）

学生答案：B；D

10、分类正确率、混淆矩阵是评价分类模型效果的重要依据，下列编程语句有错误的是（ ） (其

中x , y 是训练集和训练集标签，分别为DataFrame对象和Series对象）

A、语句（4）

B、语句（3）

C、语句（2）

D、语句（1）

学生答案：A；B

11、下列关于⽂本特征抽取中TF-IDF ⽅法理解正确的是（）

A、TF 即词频：某词汇在该⽂本中出现的频率

B、TF-IDF = TF * IDF

C、TF-IDF ⽅法有效过滤掉不常⻅的词语

D、IDF 即逆⽂本频率：词频的权重调整系数

学生答案：A；B；D

题型：多选题客观题分值4分难度：一般得分：0

12、Scikit-learn中，对函数metrics.accuracy_score 使⽤⽅法描述正确的是

A、from sklearn.metrics import accuracy_score

print(accuracy_score(y_test, y_pred, normalize=False))

B、from sklearn.metrics import accuracy_score

print(accuracy_score(y_test, y_pred, normalize=False))

C、from sklearn.metrics import accuracy_score

print(accuracy_score(y_test, y_pred))

D、from sklearn.metrics import accuracy_score

print(accuracy_score(y_test, y_pred))

学生答案：B；D