qq_45795586的博客

第1关：什么是神经网络1、上图中的神经网络一共有多少个权重？A、8B、12C、20D、24C第2关：神经元与感知机#encoding=utf8import numpy as np#构建感知机算法class Perceptron(object): def __init__(self, learning_rate = 0.01, max_iter = 200): self.lr = learning_rate self.max_iter =

第1关：线性可分支持向量机1、按照支持向量机的思想，下图哪条决策边界的泛化性最好？A、绿线B、黑线C、黄线B2、假设支持向量分别为3x1+4x2+5=+13x1+4x2+5=−1​如下图：则最大间隔r的值为？A、0.3B、0.4C、0.5D、2B3、假设有两个样本点：(V,+1),(-V,-1)。其中，V=(3,2)，则使得间隔最大的决策边界为：(ps:x为横坐标轴，y为纵坐标轴)A、x=0B、y=0C、3x+2y=0D、2x+3y=0C4、有三个样本

第1关：逻辑回归核心思想#encoding=utf8import numpy as npdef sigmoid(t): ''' 完成sigmoid函数计算 :param t: 负无穷到正无穷的实数 :return: 转换后的概率值 :可以考虑使用np.exp()函数 ''' #********** Begin **********# return 1.0/(1+np.exp(-t)) #********** End ******

第1关：简单线性回归与多元线性回归1、下面属于多元线性回归的是？A、求得正方形面积与对角线之间的关系。B、建立股票价格与成交量、换手率等因素之间的线性关系。C、建立西瓜价格与西瓜大小、西瓜产地、甜度等因素之间的线性关系。D、建立西瓜书销量与时间之间的线性关系。B C2、若线性回归方程得到多个解，下面哪些方法能够解决此问题？A、获取更多的训练样本B、选取样本有效的特征，使样本数量大于特征数C、加入正则化项D、不考虑偏置项bA B C3、下列关于线性回归分析中的残差（预测值减去真实

第1关：分析红酒数据import numpy as npdef alcohol_mean(data): ''' 返回红酒数据中红酒的酒精平均含量 :param data: 红酒数据对象 :return: 酒精平均含量，类型为float ''' #********* Begin *********# return np.mean(data['data'],axis = 0)[0] #********* End **********#第

第1关：KNN原理1、下列说法正确的是？A、kNN算法的预测效率与训练集的数量有关B、kNN算法只能用于二分类C、kNN算法只能用于回归D、kNN算法属于监督学习A D2、下列说法错误的是:A、kNN算法的训练阶段需要构建模型B、kNN算法中k这个参数可以根据实际情况来调整C、kNN算法支持多分类D、kNN算法不属于无监督学习A第2关：K近邻再识1、k近邻方法有几个参数？A、1B、2C、3D、4A2、k近邻分类只能用于二分类问题。A、正确B、错误B3、

第1关：为什么要有训练集与测试集1、下面正确的是？A、将手头上所有的数据拿来训练模型，预测结果正确率最高的模型就是我们所要选的模型。B、将所有数据中的前百分之70拿来训练模型，剩下的百分之30作为测试集，预测结果正确率最高的模型就是我们所要选的模型。C、将所有数据先随机打乱顺序，一半用来训练模型，一半作为测试集，预测结果正确率最高的模型就是我们所要选的模型。D、将所有数据先随机打乱顺序，百分之80用来训练模型，剩下的百分之20作为测试集，预测结果正确率最高的模型就是我们所要选的模型。D2、

第1关：条件概率1、P(AB)表示的是事件A与事件B同时发生的概率，P(A|B)表示的是事件B已经发生的条件下，事件A发生的概率。A、对B、错A2、从1,2,…,15中小明和小红两人各任取一个数字，现已知小明取到的数字是5的倍数，请问小明取到的数大于小红取到的数的概率是多少？A、7/14B、8/14C、9/14D、10/14C第2关：贝叶斯公式1、对以往数据分析结果表明，当机器调整得良好时，产品的合格率为98%，而当机器发生某种故障时，产品的合格率为55%。每天早上机器开动时，机

第1关：什么是机器学习1、下面哪种方法属于机器学习？A、在猫狗分类问题中，先将猫与狗的特点总结出来，再告诉机器，如果符合猫的特点，则判定为猫，如果符合狗的特点，则判定为狗。B、将大量名画的真品与赝品输入计算机，让计算机自己从数据中学习出一个模型用来判断是真品还是赝品。C、让计算机通过对以往的房价数据进行分析，预测未来房价走势。D、通过人为编写好代码，符合条件则判定为人脸，否则不是人脸，从而制作出人脸识别系统。B C第2关：机器学习的常见术语1、以下是我们的一份数据集，则x32表示的是？

说点什么私以为需要我这篇博客的同学应该只是需要一个可以运行通过的代码，所以这里就直接贴代码了第1关：使用scikit-learn导入数据集from sklearn import datasetsdef getIrisData(): ''' 导入Iris数据集 返回值： X - 前5条训练特征数据 y - 前5条训练数据类别 X_shape - 训练特征数据的二维数组大小 ''' #初始化 X = [] y = []

谈些什么就个人感受而言，软件设计、机器学习和计算方法这三门专选课中最好划水的应该就是机器学习了。软件设计和计算方法都有期末考试，可能会和专业课的备考产生一些冲突，而机器学习的话就是最后有个小组作业，个人觉得相对还是简单的。不过需要注意的是，机器学习是默认我们有python基础的，所以后面的实训如果只是普通的某湖学生的话，基本上可能还是要搜索前辈们的博客的。至于计算方法的话，从我个人角度而言，真的很痛苦，因为老师上课讲的基本上是听不懂的，我基本上全是自己搜索相关的网课然后自学，不过可能是计算机专业的计算