采用版本空间中的假设对数据进行预测，不同的假设可能产生不同的结果。

下面描述正确的有哪几个？

• A
  数据的属性取值是连续的，这类任务是回归问题。
• B
  机器学习就是从学习到一个函数，用于对数据进行处理。
• C
  数据的属性取值是离散的，这类任务是分类任务。

房屋价格预测问题是分类问题

下面说法正确的是？

• A
  欧卡姆剃刀原理在机器学习领域的应用是指，若有多个假设与观察一致，则选最简单的那个。
• B
  任何一个有效的机器学习算法必有其归纳偏好。
• C
  在某些算法表现好的学习算法，在另外一些问题上却可能不尽如人意，学习算法自身的归纳偏好与问题是否匹配，往往起到决定性作用。

垃圾邮件识别问题是强化学习任务

下面说法正确的是？

• A 查准率越高，识别准确率越高。
• B
  查准率越高，查全率越低。
• C
  查准率越高越好。
• D 查全率越高，识别准确率越高。

关于垃圾邮件识别问题，某邮箱一个月内共收到1000封邮件，其中150封为垃圾邮件。采用垃圾有价识别算法，垃圾箱中有100封邮件，其中垃圾邮件80封。

• A 准确率为：80/100
• B
  识别误差：2/100
• C
  准确率为：91/100
• D 准确率为：80/150

线性回归模型的目标函数是最小化所有数据的均方误差。可以采用梯度下降法近似求解。

下面说法正确的是？

• A
  数据错分成不同的类导致的代价是不同的，代价敏感错误率解决了这一问题。
• B
  噪音刻画了学习问题本身的难度。
• C
  偏差度量了算法本身的拟合能力。偏差越小，学习算法的拟合度越高，偏差越大，学习算法的拟合度越低。
• D
  方差反映了数据的充分性。方差越大，不同训练集对学习性能影响越大；方差越小，不同训练集对学习性能影响越小。

关于传统监督学习的描述正确的是？

• A
  分类和回归问题都属于传统监督学习任务。
• B
  房价预测、温度预测、股市预测都属于监督学习问题。
• C
  数据带有标注信息，这类任务称为监督学习。
• D
  为所有数据打标签需要很大的人力、物力。

人脸识别问题是分类问题

版本空间是指所有与训练集相一致的假设组成的空间。

假设就是模型。

训练精度越高，模型的性能越好。

线性回归模型性能度量是均方误差。

自动驾驶问题是强化学习任务

对于房屋价格预测问题可以采用线性回归模型进行建模。

线性回归模型是处理回归问题的。

关于自助法说法正确的是？

• A 自助法中所有的数据在训练集中使用到了。
• B
  自助法中测试集的规模与原来数据集的规模一样大。
• C 自助法中数据集保持了数据分布的一致性。
• D
  自助法中训练集的规模与原来数据集的规模一样大。

关于“留一法”说法正确的是？

• A
  留一法是交叉验证法的一种特殊形式。
• B
  留一法计算开销比较大。
• C
  m条数据组成的数据集，使用留一法，将数据集划分成m个子集。
• D
  留一法又称为m折交叉验证。

教计算机下棋问题是强化学习问题

关于垃圾邮件识别问题，某邮箱一个月内共收到1000封邮件，其中150封为垃圾邮件。采用垃圾有价识别算法，垃圾箱中有100封邮件，其中垃圾邮件80封。

• A
  查全率：80/150
• B
  查准率为：80/100
• C 查全率：80/100
• D 查准率：80/150

下面关于评估方法中关于留出法描述正确的是？

• A
  训练集、测试集划分需要保持数据分布的一致性。
• B
  留出法是将数据集划分成两个不相交的子集，训练集，测试集。
• C
  划分的测试集、训练集的大小，是留出法的关键问题。
• D
  不同的数据集划分方式，会有不同的测试精度。

假设空间是指所有可能假设组成的空间。

训练精度可以用于泛化精度的估计。

线性回归模型的目标函数是最小化所有数据的均方误差。可以采用直接对目标函数求导等于零的方法求解，该方法称为直接法。

模型的泛化能力是指模型处理新样本的能力。

泛化精度越高，模型的性能越好。

关于p次k折交叉验证说法正确的是？

• A
  用该方法计算模型测试精度时，用到了所有的数据信息。
• B
  将数据集划分成p个类似的不相交子集。
• C
  划分数据时，需要保持数据分布一致性。
• D 对数据集进行了k次划分。