扫描下方二维码关注公众号：

关闭

×

作业辅导
扫码关注
论文指导
轻松解决学习难题!

超星学习通安徽省人工智能通识课（AI+心理学）作业答案

安徽省人工智能通识课（AI+心理学）

学校: 无

平台: 超星学习通

题目如下：

1. 1. 逻辑回归可以用于多分类问题。（ ）

答案: 错误

2. 2. 回归算法的结果是离散的

答案: 错误

3. 3. 无监督学习不需要任何标签数据。（ ）

答案: 错误

4. 4. 课程中所提到的梯度下降方法中，下列哪项描述正确？

A. 批量梯度下降（BGD）每次更新参数时只使用一个样本。

B. 小批量梯度下降（MBGD）在每次更新时使用部分样本，兼具训练速度和全局最优的优势。

C. 随机梯度下降（SGD）使用所有训练样本计算梯度。

D. 梯度下降方法不需要计算损失函数。

答案: 小批量梯度下降（MBGD）在每次更新时使用部分样本，兼具训练速度和全局最优的优势。

5. 5. 关于迁移学习面临的挑战，下列哪项描述是正确的？

A. 在迁移学习中，数据需求总是充足的，因此无需担心数据稀缺问题。

B. 迁移学习的微调过程完全自动化，不需要人为调整。

C. 迁移学习不需要选择合适的预训练模型，因为任何模型都可以直接用于新任务。

D. 领域差异过大可能导致预训练模型在目标任务上表现不佳，是迁移学习的一大挑战。

答案: 领域差异过大可能导致预训练模型在目标任务上表现不佳，是迁移学习的一大挑战。

6. 6. 迁移学习相比于传统机器学习，在数据需求上的主要优势是？

A. 无需标注数据即可训练

B. 需要更多标注数据

C. 可利用已有模型减少数据需求

D. 对数据标注质量要求更高

答案: 可利用已有模型减少数据需求

7. 7. 以下哪种算法可以用于分类问题？

A. 线性回归

B. 主成分分析

C. K-均值聚类

D. 随机森林

答案：请关注【九八五题库】微信公众号，发送题目获取正确答案。

8. 8. 有关集成学习及 Boosting 方法，下列哪些描述是正确的？

A. 集成学习不是一种单独的算法，而是一种通过构建并组合多个弱学习器来提升整体模型性能的方法。

B. Bagging 方法通过在不同的子数据集上训练多个模型，并利用投票或平均方式组合结果，从而有效降低模型的方差。

C. 在 Boosting 方法中，每轮迭代会增加那些被前一轮错误分类样本的权重，使得后续学习器更关注难以分类的样本。

D. Stacking 方法通常直接对各个基学习器的预测结果求简单平均，来获得最终预测结果。

E. 集成学习能够在所有情况下同时降低模型的偏差和方差，因此总是能显著提高模型性能。

答案：请关注【九八五题库】微信公众号，发送题目获取正确答案。

9. 9. 在进行迁移学习时，可能会面临的挑战有哪些？

A. 领域差异过大

B. 无需考虑数据分布差异

C. 微调过程需要技巧

D. 选择合适的预训练模型

答案：请关注【九八五题库】微信公众号，发送题目获取正确答案。