本页仅为文字内容，不可回答。

平安科技-深度学习建模与实践培训考试试题-6.25

欢迎参加本次结业考试，祝您考试顺利！

您的姓名

____________

1. 预测明天的天气是晴天,多云,下雨, 你将使用哪种类型的算法?

A) 回归

B) 分类

2. 当不知道数据所带标签时，可以使用哪种技术？

A) 分类

B) 关联分析

C) 聚类

D) 隐马尔可夫链

3. 以下哪些算法是分类算法：

A) DBSCAN

B) 凝聚聚类

C) K-Mean

D) 人工神经网络

4. 对cost function(成本函数)使用梯度下降法求参数值的过程中, 迭代进行了15次, 学习率α=0.3, 你发现cost越来越大, 你将采用下面的哪种调优策略:

A) 使用更大的学习率, 例如学习率α=0.6

B) 使用更小的学习率, 例如学习率α=0.1

C) 当前的学习率α=0.3是很有效率的, 不用修改

D) 应该停止该阶段, 因为训练阶段已经完成,继续迭代, 那么次数越多, cost越大

5. 以下说法正确的是:

A) 一个机器学习模型，如果有较高准确率，总是说明这个分类器是好的

B) 如果增加模型复杂度，那么模型的测试错误率总是会降低

C) 如果增加模型复杂度，那么模型的训练错误率总是会降低

D) 一个机器学习模型，如果有较高召回率，总是说明这个分类器是好的

6. 下面哪个不属于数据的属性类型：

A) 标称，例如邮政编码，雇员ID，性别

B) 序数，例如矿石硬度，{好，较好，最好}，成绩{A,B,C,D}, 街道号码

C) 区间，例如日历日期，摄氏或华氏温度

D) 比率，例如绝对温度，货币量，年龄，质量，长度，电流

E) 字符型，例如英文字符型，中文字符串等

7. 当数据过大以至于无法在RAM中同时处理时，哪种梯度下降方法更加有效？

A) 随机梯度下降法(Stochastic Gradient Descent)

B) 整批梯度下降法(Full Batch Gradient Descent)

C) 调整学习率，或者使用指数衰减法设置学习率

D) 都不是

8. 要增强神经网络的分类和表达能力, 通常采用下面那些方法

A) 包含一个或多个隐层(hidden layer)

B) 减少每层神经元的数量

C) 对神经网络的最后一层的神经元使用激活函数

D) 对神经网络的每一层的神经元都使用激活函数

9. 下列哪项关于模型能力（model capacity）的描述是正确的？（指神经网络模型能拟合复杂函数的能力）

A) 增加隐藏层的层数，模型能力增加

B) Dropout的比例增加，模型能力增加

C) 学习率增加，模型能力增加

D) 都不正确

10. 对于神经网络的说法, 下面正确的是

A) 增加神经网络层数, 可能会增加测试数据集的分类错误率

B) 减少神经网络层数, 总是能减小测试数据集的分类错误率

C) 增加神经网络层数, 总是能减小测试数据集的分类错误率

11. 在一个神经网络中，下面哪种方法可以用来处理过拟合？

A) Dropout

B) 减小学习率

C) 正则化(regularization)

D) 都可以

12.已知：- 大脑是有很多个叫做神经元的东西构成，神经网络是对大脑的简单的数学表达。- 每一个神经元都有输入、处理函数和输出。- 神经元组合起来形成了网络，可以拟合任何函数。- 为了得到最佳的神经网络，我们用梯度下降方法不断更新模型给定上述关于神经网络的描述，什么情况下神经网络模型被称为深度学习模型？

A) 加入更多层，使神经网络的深度增加

B) 有维度更高的数据

C) 当这是一个图形识别的问题时

D) 以上都不正确

13. 训练CNN时，可以对输入进行旋转、平移、缩放等预处理提高模型泛化能力。这种说法是正确的还是错误的？

A) 正确

B) 错误

14. 下列哪一项在神经网络中引入了非线性？

A) 随机梯度下降

B) 修正线性单元（ReLU）

C) 卷积函数

D) 以上都不正确

15. LSTM模型中既存在sigmoid又存在tanh两种激活函数，其中sigmoid函数可以替换成tanh或者ReLu吗？

A) 通常不能替换，因为sigmoid 用在了各种gate上，用于产生0~1之间的值，tanh和ReLu无此作用

B) 通常可以替换，因为sigmoid和tanh都是常见的激活函数。

搜索相关模板