模式识别(福州大学) 中国大学MOOC答案100分最新完整版

孪豹木碱册杠烤蔷鹤扔圃抄下

本答案对应课程为:点我自动跳转查看
本课程起止时间为:2021-03-17到2021-06-30
本篇答案更新状态:已完结

第四章线性判据与回归（一）第四章测试题

1、问题:以下不属于线性判决的算法有
选项：
A:Fisher判决
B:支持向量机
C:朴素贝叶斯
D:感知机
答案: 【朴素贝叶斯】

2、问题:isher线性判别函数的求解过程是将M维特征矢量投影在（）中求解。
选项：
A:M-1维空间
B:一维空间
C:二维空间
D:三维空间
答案: 【一维空间】

3、问题:已知两类训练样本为C1={[3,3],[4,3]}, C2={[1,1]},使用感知机算法求解两个类的决策边界，以下几个解参数满足条件的有（）
选项：
A:[1,1,-1]
B:[3,3,-1]
C:[1,1,-3]
D:[2,2,-2]
答案: 【[1,1,-3]】

4、问题:已知SVM算法的最小时间复杂度是O（n²），以下哪种规格的数据集并不适该算法？
选项：
A:大数据集
B:中数据集
C:小数据集
D:不受数据集大小影响
答案: 【大数据集】

5、问题:训练好的SVM抛弃非支持向量的样本，仍然可以对新样本进行分类。
选项：
A:正确
B:错误
答案: 【正确】

6、问题:支持向量是最靠近决策边界的数据点。
选项：
A:正确
B:错误
答案: 【正确】

7、问题:感知机可以实现非线性分类。
选项：
A:正确
B:错误
答案: 【错误】

8、问题:采用支持向量机得到决策边界，如果支持向量保留，删除其他样本，重复训练，则新的决策边界与原来的决策边界相同。
选项：
A:正确
B:错误
答案: 【正确】

9、问题:支持向量机的目标函数是最小化间隔，并转化为求解一个凸二次优化问题。
选项：
A:正确
B:错误
答案: 【错误】

10、问题:阅读下面 Matlab 代码完成程序填空%PERCEPTRON 并行感知计算法，处理二分类问题，标签只能为+1和-1 %函数原型 % [prediction, accuracy] = perceptron(TrainingSample, TrainingLabel, TestingSample, TestingLabel) %参数: % TrainingSample: 训练数据 % TrainingLabel: 训练标签 % TestingSample: 测试数据 % TestingLabel: 测试标签 %返回值： % prediction: 分类结果 % accuracy: 识别率function [prediction, accuracy] = perceptron(TrainingSample, TrainingLabel, TestingSample, TestingLabel)

%% 提取维度数据
numTraining = size(TrainingSample,1);

%% step 1：扩充数据
TrainingSample = [TrainingSample,1(numTraining,1)];

%% step 2：数据取反
TrainingSample(TrainingLabel < 0,:) = -TrainingSample(TrainingLabel < 0,:);

%% step 3：学习
a = TrainingSample(1,:);
count = 0;
change = 1;
threshold = numTraining * 5;%最大迭代次数
while(change>0 && count < threshold)
count = count + 1;
change = 0;
sum_y = sum(TrainingSample(TrainingSample * a'<0,:));
if any(sum_y~=0)
change = change + 1;
end
a = a + 2;
end

%% step 4：计算预测结果
numTesting = size(TestingSample,1);
TestingSample = [TestingSample,ones(numTesting,1)];
prediction = TestingSample * a’;
prediction(prediction>0)=1;
prediction(prediction<=0)=-1;

%% step 5：计算识别精度
numRight= size(prediction(TestingLabel 3 prediction),1)
accuracy =numRight/numTesting;
end请补充step 1：扩充数据中 1 处缺失函数名称
答案: 【ones】

11、问题:请补充step 3：学习中 2 处缺失参数名称
答案: 【sum_y】

12、问题:请补充step5：计算识别精度中 3处缺失的符号（）
答案: 【==】

13、问题:MAP分类器属于生成模型，支持向量机属于（）模型
答案: 【判别】

14、问题:假定现在有一个四分类问题，若要用One-vs-all策略训练一个SVM的模型，请问需要训练（）个SVM模型。（请输入阿拉伯数字）
答案: 【4】

15、问题:给定一个分类边界模式识别(福州大学) 中国大学MOOC答案100分最新完整版第1张 ,其中，x0=1.2则点[1.5,-2] 到该分类边界的距离为（）。（保留两位小数）
答案: 【[-2.2,-2.1)】