机器学习基础-题库（2-10）
该题库围绕机器学习知识进行考核，旨在全面测试考生对机器学习基本概念、常见算法及相关工具的掌握程度。涵盖数据预处理、模型选择与训练、模型评估等主题，涉及线性回归、逻辑回归、朴素贝叶斯、决策树、随机森林、支持向量机、聚类算法、神经网络等领域。
章节数量
2
查看次数
16
题目总数
729
题库作者
未知
更新时间
2025-12-23 23:02:25
章节列表
章节
488题
题库
241题
思维导图
相似题库
练习中心
顺序练习
按照章节顺序依次练习所有题目，适合系统学习
组卷考试
随机抽取题目进行练习，适合巩固知识和检验学习效果
错题重做
针对做错的题目进行重点练习，强化薄弱环节
章节练习
选择特定章节进行练习，针对性提升某一知识点
轻松一刻
收藏题目
集中练习收藏的重点题目，加深理解和记忆
考试记录
按题型或难度进行专项练习，突破学习瓶颈
题型练习
按照章节题型获取题目练习，适合系统学习
小练习
随机抽取题目练习
题目预览
单选题
1、在建模训练之前,原始数据极易受到什么侵扰,需要进行预处理?( )
A
噪声(如缺失值、不一致数据)
B
过多的特征
C
过少的样本
D
复杂的模型
单选题
2、数据预处理主要使用的是scikit-learn库中的哪个模块?( )
A
sklearn.datasets
B
sklearn.preprocessing
C
sklearn.modelⱣⱤselection
D
sklearn.metrics
单选题
3、以下哪种不是常见数据预处理方法?( )
A
标准化
B
二值化
C
独热编码
D
数据增强
单选题
4、sklearn.datasets.make(blobs函数的主要作用是( )
A
加载真实世界的红酒数据集
B
进行数据标准化
C
快速生成一个具有特定特性的合成数据集
D
对数据进行二值化处理
单选题
5、在make()samples用于表示( )
A
要生成的数据点的数量
B
每个数据点的维度(特征数量)
C
数据集中不同中心(类别)的数量
D
每个中心周围点的标准差
单选题
6、在make(blobs函数中,参数( )的值越大,生成的簇越分散。( )
A
nⱣⱤsamples
B
nⱣⱤfeatures
C
clusterⱣⱤstd
D
randomⱣⱤstate
单选题
7、make(blobs函数返回的X是一个形状为( )的ndarray。( )
A
(nⱣⱤsamples,)
B
(nⱣⱤsamples, nⱣⱤfeatures)
C
(nⱣⱤfeatures, nⱣⱤsamples)
D
(nⱣⱤclasses, nⱣⱤfeatures)
单选题
8、均值方差标准化的目标是使处理后的数据符合( )。
A
标准正态分布(均值为0,标准差为1)
B
均匀分布
C
泊松分布
D
指定范围(如[0,1])
单选题
9、StandardScaler类对数据进行标准化时,是按( )进行的。
A
行
B
列(特征)
C
所有数据
D
样本标签
单选题
10、使用StandardScaler进行数据转换时,通常先调用fit方法再调用( )方法。( )
A
fitⱣⱤtransform
B
predict
C
transform
D
score
