2022大学慕课答案 模式识别(青岛大学)1467133485 最新大学MOOC满分章节测试答案

本答案对应课程为:点我自动跳转查看
本课程起止时间为:2022-03-07到2022-07-10

第二章 贝叶斯决策理论 贝叶斯决策理论测试（一）

1、 问题:贝叶斯决策是通过计算样本后验概率的大小来进行决策的，下面表达式中wi代表类别，x代表样本，能够表示后验概率的是（   ）
选项：
A:P（wi） 
B: P（x）
C: P(x|wi) 
D:P(wi|x)
答案: 【P(wi|x)】

2、 问题:下面关于基于最小风险的贝叶斯决策的描述中，错误的是（）
选项：
A:最小风险的贝叶斯决策考虑到了不同的错误率所造成的不同损失。
B:最小错误率的贝叶斯决策是最小风险的贝叶斯决策的特例。
C:最小风险的贝叶斯决策当中，决策的数量和样本类别的数量一定是相等的。
D:条件风险反映了对于一个样本x采用某种决策时所带来的损失。
答案: 【最小风险的贝叶斯决策当中，决策的数量和样本类别的数量一定是相等的。】

3、 问题: 基于最小错误率的贝叶斯决策规则可以采用不同的形式，下列不能表达其决策规则的是（  ）
选项：
A:后验概率
B:似然比
C:类条件概率
D:先验概率
答案: 【先验概率】

4、 问题:基于最小错误率的贝叶斯决策的核心思想是将样本判别为后验概率最大的类别。
选项：
A:正确
B:错误
答案: 【正确】

5、 问题:如果在采取每一个决策或行动时，都使条件风险最小，则对所有的x做出决策时，其期望风险也必然最小。
选项：
A:正确
B:错误
答案: 【正确】

6、 问题:最小风险的贝叶斯决策的判别规则是将样本x判别为条件风险最小的那个类别。
选项：
A:正确
B:错误
答案: 【正确】

7、 问题:错误率是所有服从同样分布的独立样本上错误概率的平均值。
选项：
A:正确
B:错误
答案: 【正确】

第三章 概率密度函数的估计 概率密度函数的估计的单元测试

1、 问题:下面关于最大似然估计的说法中错误的是（）
选项：
A:在最大似然估计中要求各个样本必须是独立抽取的。
B:最大似然估计是在已知概率密度函数的形式，但是参数未知的情况下，利用训练样本来估计未知参数。
C:在最大似然函数估计中，要估计的参数是一个不确定的量。
D:在最大似然估计中，可以使用对数形式的似然函数来进行估计。
答案: 【在最大似然函数估计中，要估计的参数是一个不确定的量。】

2、 问题:下列表达中不能影响贝叶斯估计结果的是（）
选项：
A:损失函数的形式 
B:样本的数量
C:待估计参数的后验概率
D:数据的线性变换
答案: 【数据的线性变换】

3、 问题: 最大似然函数估计认为最有可能出现的样本就是似然函数最大的样本。
选项：
A:正确
B:错误
答案: 【正确】

4、 问题:贝叶斯估计中是将未知的参数本身也看作一个随机变量，要做的是根据观测数据对参数的分布进行估计。
选项：
A:正确
B:错误
答案: 【正确】

5、 问题:在贝叶斯学习的过程中，训练样本数量越多，估计值越接近与真实值。
选项：
A:正确
B:错误
答案: 【正确】

6、 问题:随着训练样本数的增多，待估计参数的函数会趋近于δ函数。
选项：
A:正确
B:错误
答案: 【正确】

7、 问题:贝叶斯估计的方法类似于贝叶斯决策，也需要定义损失函数。
选项：
A:正确
B:错误
答案: 【正确】

第四章 线性分类器 关于fisher线性判别准则的测验

1、 问题:下面关于fisher线性判别准则的说法中错误的是
选项：
A:fisher线性判别方法可以将样本从多维空间投影到一维空间
B: 将样本从多维空间向一维空间投影的方向是不唯一的。
C:经过fisher准则投影后得到的最佳投影方向就是投影后两类样本的分类面
D: 好的投影方向应该使不同类别的样本均值之差尽量大，类内的样本尽量聚集。
答案: 【经过fisher准则投影后得到的最佳投影方向就是投影后两类样本的分类面】

2、 问题:在基于样本直接设计分类器时，不属于分类器设计三要素的是
选项：
A:判别函数的类型
B:准则函数的形式 
C:寻优算法
D:参数的类型
答案: 【参数的类型】

3、 问题:在线性判别函数的表达式中，一般情况下，权向量w的维数和样本的维数是一致的。
选项：
A:正确
B:错误
答案: 【正确】

4、 问题:分类面的位置是由判别函数的阈值决定的。
选项：
A:正确
B:错误
答案: 【正确】

5、 问题:经过fisher准则投影后得到的最佳投影方向是投影后两类样本分类面的法线方向。
选项：
A:正确
B:错误
答案: 【正确】

第四章 线性分类器 关于感知器算法和最小平方误差判别的测验

1、 问题:下面关于感知器算法的说法正确的是（）
选项：
A:样本经过增广化处理后样本和权向量的维数都会增加一维。
B:在解空间中满足aTyi>0的条件的解向量是唯一的。
C: 感知器算法的思想是选择一个合适的权向量a，使得aT与错分样本的乘积大于零。
D:在感知器算法中的学习率是不可改变的。
答案: 【样本经过增广化处理后样本和权向量的维数都会增加一维。】

2、 问题:下面关于最小平方误差判别的说法中错误的是（）
选项：
A:最小平方误差判别方法既适用于线性可分的情况，也适用于线性不可分的情况。
B:最小平方误差判别方法中的准则函数是误差长度的平方和。
C:梯度下降法求解使误差长度的平方和最小的权值时不需要赋初值。
D: 梯度下降法和伪逆法都可以求解使误差长度的平方和最小的权值。
答案: 【梯度下降法求解使误差长度的平方和最小的权值时不需要赋初值。】

3、 问题:在感知器算法中可以通过梯度下降法找到合适的权向量a。
选项：
A:正确
B:错误
答案: 【正确】

4、 问题:在求解权向量a的过程中，需要定义一个准则函数，准则函数的形式是唯一的，并且一定是权向量a的函数。
选项：
A:正确
B:错误
答案: 【错误】

5、 问题:最小平方误差判别方法中的准则函数是误差长度的平方和。
选项：
A:正确
B:错误
答案: 【正确】

6、 问题:在LMS算法中求解出的权向量与常数b无关。
选项：
A:正确
B:错误
答案: 【错误】

7、 问题:感知器准则函数是用权向量a与所有的错分样本的乘积来表示对错分样本的惩罚。
选项：
A:正确
B:错误
答案: 【错误】

8、 问题: 在感知器算法中感知器准则函数取得最大值时所对应的权向量a就是所要寻找的合适的权向量。
选项：
A:正确
B:错误