AI期末大题GPT3.5

全文答案由GPT3.5提供，内容可能有误，请自行甄别

1. KNN算法思想和主要步骤？

1. 选择K值：
2. 计算距离：
3. 找到最近的邻居：
4. 进行分类或回归：
5. 模型评估：
6. 参数调优：

2. ID3算法思想：

信息增益的概念：

分裂准则：

递归分裂：

3. ID3算法生成决策树的步骤：

1. 输入：训练数据集
2. 选择最佳分裂特征：
3. 分裂数据集：
4. 递归构建子树：
5. 停止条件：
6. 输出：

4. 四个指标

四个指标答案为：
0.897，0.944，0.85，0.894

1. 准确度（Accuracy）：模型预测正确的样本占总样本数的比例。
2. 精度（Precision）：在所有预测为正类的样本中，实际为正类的比例。
3. 召回（Recall）：在所有实际为正类的样本中，被正确预测为正类的比例
4. F1分数：精度和召回的调和平均数，综合考虑了模型的准确率和召回率。

5. 线性回归最小二乘法和拟合步骤

1. 定义模型：
2. 定义损失函数：
3. 最小化损失函数：
4. 梯度下降法的步骤：
5. 评估模型：

6. CNN可以应用到哪些领域

1. 图像分类：
2. 目标检测：
3. 语义分割：
4. 人脸识别：
5. 图像生成：
6. 医学图像分析：
7. 自动驾驶：
8. 自然语言处理中的应用：

7. 降维的目的是什么PCA算法思想以及流程

目的：

1. 简化模型
2. 去除冗余信息
3. 数据可视化
4. 防止过拟合

PCA:

1. 数据标准化：
2. 计算协方差矩阵：
3. 计算特征值和特征向量：
4. 选择主成分：
5. 数据投影：

8. 深度神经网络避免过拟合的方法有以下几种：

1. 正则化
2. 数据增强

9. 输入图片大小为32×32，依次经过一层卷积(kernel size 5×5，padding 0，stride 1)，得到特征图大小为____，pooling(kernel size 2×2，padding 0，stride2)，得到特征图大小为____，又一层卷积(kernel size 5×5，padding 0，stride 1)之后，输出特征图大小为____。

第一层卷积后特征图大小为 28×28。

池化后特征图大小为 14×14。

第二层卷积后特征图大小为 10×10。

10. 在线性回归中，我们的假设，我们使用m来表示训练示例的数量。

x y

3 2

1 2

0 1

4 3

对于上面给出的训练集(注意，此训练集也可以在本测验的其他问题中引用)，m的值是____。对代价函数的定义是，求出为___。假设，求得为____。

答案：

4

3/8

11

11. 2*2池化

四个空分别为

3.25
5.25
2
2

12. 三种常见的监督学习算法：

1. 线性回归
2. 决策树
3. 支持向量机

13. 人工智能研究中，____图灵测试___测试常被用来评估机器是否具有人类智能。

14. 深度学习中非线性激活函数有____等。

1. ELU 函数
2. ReLU 函数
3. Sigmoid 函数

15. 使用的是一个线性SVM分类器，是用来解决存在的2分类问题。现在你已经获得了以下数据，其中一些点用红色圈起来表示支持向量。从数据中删除以下任何一个红点。决策边界__会__改变。从数据中删除非红色圆圈点，决策边界__不会__发生变化

16. 输入图片大小为39×39，依次经过一层卷积(kernel size 3×3，padding 0，stride 1)，得到特征图大小为____，又一层卷积(kernel size 5×5，padding 0，stride 2)，得到特征图大小为____，又一层卷积(kernel size 5×5，padding 0，stride 2)之后，输出特征图大小为____。

37×37

17×17。

7×7

17. 在机器学习中，数据常常被分为____集____集____集三部分

训练集、验证集和测试集

18. 【填空题】输入图片大小为32×32，依次经过一层卷积(kernel size 5×5，padding 0，stride 1)，得到特征图大小为____，pooling(kernel size 2×2，padding 0，stride2)，得到特征图大小为____，又一层卷积(kernel size 5×5，padding 0，stride 1)之后，输出特征图大小为____。

• 28×28。
• 14×14。
• 10×10。

19. 假设有m=14个训练示例，有n=3个特性(不包括需要另外添加的恒为1的截距项)，正规方程是。对于给定m和n的值，这个方程中的维数分别是____【1】【2】【3】____________

4

4

4

20. 列举三种你熟悉的分类算法__________。

支持向量机

决策树

随机森林

21. 列举三种你熟悉的深度学习算法__【3】__，【4】__，【5】。

卷积神经网络

循环神经网络

生成对抗网络

22. 在机器学习中需要划分数据集，常用的划分测试集和训练集的划分方法有____。(至少填两种)

随机划分

分层划分

23. 通过模拟生物神经元网络结构和功能的计算模型被称为________。

神经网络模型

24. 支持向量机SVM分类器，常用的核函数有____、____。

线性核函数

非线性核函数

25. 简述机器学习的定义和实现步骤

定义：

让计算机系统从数据中学习并改进，而不需要显式编程的技术

步骤：

数据收集

选择模型：

训练模型

模型评估

模型调优

模型部署应用·

监控和维护

26. LSTM为什么比RNN好?

长期依赖性处理能力

记忆单元

遗忘门

输入和输出门

适用性广泛性

27. SVM算法定义和实现步骤

定义： 是一种强大的监督学习算法，用于解决分类和回归问题。

• 数据准备：
• 选择核函数：
• 模型训练：
• 模型评估。
• 超参数调优：
• 模型应用：

28. 线性回归和逻辑回归区别和联系

区别：

应用领域

输出类型

模型形式

联系：

线性关系：

参数估计：

模型评估

29. LDA算法思想和实现步骤

思想：

生成模型假设：

参数定义

推断过程：

实现：

准备数据：

构建词袋模型

设定参数：

初始化变量：

迭代优化：

模型评估：

应用和解释：

30. 请阐述决策树算法的思想挘及为下面对话构建一棵决策树: