题目内容
（请给出正确答案）
[主观题]
关于主成分分析PCA说法正确的是：（)
A我们必须在使用PCA前规范化数据
B我们应该选择使得模型有最大variance的主成分
C我们应该选择使得模型有最小variance的主成分
D我们可以使用PCA在低纬度上做数据可视化
如搜索结果不匹配，请 联系老师 获取答案
A.Var1和Var2是非常相关的
B.因为Var和Var2是非常相关的,我们可以去除其中一个
C.Var3和Var1的1.23相关系数是不可能的
更多“关于主成分分析PCA说法正确的是：（)”相关的问题
第1题
当我们构造线性模型时,我们注意变量间的相关性.在相关矩阵中搜索相关系数时,如果我们发现3对变量的相关系数是(Var1和Var2,Var2和Var3,Var3和Var1)是－0.98,0.45,1.23.我们可以得出什么结论:( )
第2题
在有监督学习中，我们如何使用聚类方法?:( )
A.我们可以先创建聚类类别，然后在每个类别上用监督学习分别进行学习
B.我们可以使用聚类“类别id”作为一个新的特征项，然后再用监督学习分别进行学习
C.在进行监督学习之前，我们不能新建聚类类别
D.我们不可以使用聚类“类别id”作为一个新的特征项，然后再用监督学习分别进行学习
第3题
对应GradientBoostingtree算法，以下说法正确的是:( )
A.当增加最小样本分裂个数，我们可以抵制过拟合
B.当增加最小样本分裂个数，会导致过拟合
C.当我们减少训练单个学习器的样本个数，我们可以降低variance
D.当我们减少训练单个学习器的样本个数，我们可以降低bias
第4题
假设我们要解决一个二类分类问题,我们已经建立好了模型,输出是0或1,初始时设阈值为0.5,超过0.5概率估计,就判别为1,否则就判别为0;如果我们现在用另一个大于0.5的阈值,那么现在关于模型说法,正确的是:( )
A.模型分类的召回率会降低或不变
B.模型分类的召回率会升高
C.模型分类准确率会升高或不变
D.模型分类准确率会降低
第6题
在训练神经网络时，损失函数(loss)在最初的几个epochs时没有下降，可能的原因是?( )
A.学习率(learningrate)太低
B.正则参数太高
C.陷入局部最小值
D.以上都有可能
第7题
考虑某个具体问题时，你可能只有少量数据来解决这个问题。不过幸运的是你有一个类似问题已经预先训练好的神经网络。可以用下面哪种方法来利用这个预先训练好的网络?( )
A.把除了最后一层外所有的层都冻住，重新训练最后一层
B.对新数据重新训练整个模型
C.只对最后几层进行调参(finetune)
D.对每一层模型进行评估，选择其中的少数来用
第8题
对于一个分类任务，如果开始时神经网络的权重不是随机赋值的，二是都设成0，下面哪个叙述是正确的?( )
A.其他选项都不对
B.没啥问题，神经网络会正常开始训练
C.神经网络可以训练，但是所有的神经元最后都会变成识别同样的东西
D.神经网络不会开始训练，因为没有梯度改变
第9题
批规范化(BatchNormalization)的好处都有啥?( )
A.在将所有的输入传递到下一层之前对其进行归一化(更改)
B.它将权重的归一化平均值和标准差
C.它是一种非常有效的反向传播(BP)方法
D.这些均不是
第10题
下列哪些项所描述的相关技术是对的?( )
A.AdaGrad和L-BFGS使用的都是一阶差分
B.AdaGrad和L-BFGS使用的都是二阶差分
C.Adagrad使用的是一阶差分，L-BFGS使用的是二阶差分
D.Adagrad使用的是二阶差分，L-BFGS使用的是一阶差分
热门考试
全部 >
相关试卷
全部 >
