第一章 单元测试
1、单选题：
关于监督模式识别与非监督模式识别的描述正确的是
选项：
A:监督模式识别需要训练样本
B:非监督模式识别是根据样本之间的相似性进行分类的
C:监督模式识别需要设计分类器
D:非监督模式识别对样本的分类结果是唯一的
答案: 【非监督模式识别对样本的分类结果是唯一的】
2、判断题：
基于数据的方法适用于特征和类别关系不明确的情况
选项：
A:错
B:对
答案: 【对】
3、单选题：
下列关于模式识别的说法中,正确的是
选项：
A:
模式识别研究的问题就是如何通过机器实现样本的特征提取
B:
模式可以看作对象的组成成分或影响因素间存在的规律性关系
C:
人类在儿童时期的活动中几乎不包含模式识别的活动
D:
对外界事物进行分类的过程就是特征提取的过程
答案: 【
模式可以看作对象的组成成分或影响因素间存在的规律性关系
】
4、判断题：
在模式识别中，样本的特征构成特征空间，特征数量越多越有利于分类
选项：
A:错
B:对
答案: 【错】
5、判断题：
在监督模式识别中，分类器的形式越复杂，对未知样本的分类精度就越高
选项：
A:错
B:对
答案: 【错】
第二章 单元测试
1、多选题：
下列关于最小风险的贝叶斯决策的说法中正确的有
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: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
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: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
答案: 【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;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;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】
2、判断题：
我们在对某一模式x进行分类判别决策时，只需要算出它属于各类的条件风险就可以进行决策了。
选项：
A:对
B:错
答案: 【对】
3、单选题：
下面关于贝叶斯分类器的说法中错误的是
选项：
A:两类问题的贝叶斯分类器中可以只用一个判别函数。
B:相邻两个决策区域的决策面上的判别函数值是相等的。
C:贝叶斯分类器中的判别函数的形式是唯一的
D:多类问题的贝叶斯分类器中包含多个判别函数。
答案: 【贝叶斯分类器中的判别函数的形式是唯一的】
4、判断题：
当各类的协方差矩阵相等时，分类面为超平面，并且与两类的中心连线垂直。
选项：
A:错
B:对
答案: 【错】
5、判断题：
当各类的协方差矩阵不等时，决策面是超二次曲面。
选项：
A:错
B:对
答案: 【对】
第三章 单元测试
1、判断题：
概率密度函数的估计的本质是根据训练数据来估计概率密度函数的形式和参数。
选项：
A:错
B:对
答案:
2、判断题：
参数估计是已知概率密度的形式，而参数未知。
选项：
A:错
B:对
答案:
3、判断题：
概率密度函数的参数估计需要一定数量的训练样本，样本越多，参数估计的结果越准确。
选项：
A:错
B:对
答案:
4、多选题：
下面关于最大似然估计的说法中正确的是
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:在最大似然函数估计中，要估计的参数是一个随机量。
C: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。
D:在最大似然函数估计中，要估计的参数是一个确定的量。
答案:
5、判断题：
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:错
B:对
答案:
第四章 单元测试
1、判断题：
多类问题的贝叶斯分类器中判别函数的数量与类别数量是有直接关系的。
选项：
A:对
B:错
答案:
2、判断题：
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:对
B:错
答案:
3、多选题：
下面关于超平面的说法中正确的是
选项：
A:分类面的位置是由判别函数的阈值决定的。
B:判别函数可以度量样本x到超平面的距离。
C:超平面的法线方向与判别函数的权向量的方向是一致的。
D:权向量与超平面垂直。
答案:
4、判断题：
fisher线性判别方法可以将样本从多维空间投影到一维空间。
选项：
A:错
B:对
答案:
5、判断题：
在感知器算法中训练样本需要经过增广化处理和规范化处理。
选项：
A:对
B:错
答案:
6、判断题：
在解空间中的解向量应该对所有的样本都满足aTyi>0的条件。
选项：
A:对
B:错
答案:
第五章 单元测试
1、判断题：
单个感知器可以解决非线性问题的分类。
选项：
A:错
B:对
答案:
2、多选题：
下面关于神经网络的说法中正确的是
选项：
A:单个感知器可以实现线性分类。
B:多个感知器可以解决非线性问题的分类。
C:神经元是神经网络的基本组成单元。
D:多层神经网络由输入层、隐藏层和输出层组成。
答案:
3、判断题：
在模式识别中，神经网络的输入层的神经元的个数与样本的特征数量相关。
选项：
A:对
B:错
答案:
4、判断题：
隐含层或输出层具有激活函数。
选项：
A:错
B:对
答案:
5、单选题：
下面关于BP神经网络的说法错误的是
选项：
A:BP算法由数据流的前向计算（正向传播）和误差信号的反向传播两个过程构成。
B:在BP算法中数据的正向传播和误差的反向传播是交替进行的。
C:BP算法由误差的正向传播和数据的反向传播两个过程构成。
D:BP网络是是一种按误差反向传播算法训练的多层前馈网络。
答案:
6、多选题：
神经网络的模型受到哪些因素的影响。
选项：
A:连接权值的学习
B:网络结构
C:样本的数量
D:传递函数
答案:
7、判断题：
利用神经网络对两类问题进行分类时，可以用一个输出节点来实现。
选项：
A:错
B:对
答案:
第六章 单元测试
1、判断题：
k-近邻法中k的选取一般为偶数。
选项：
A:错
B:对
答案:
2、判断题：
剪辑近邻法去除的是远离分类边界，对于最后的决策没有贡献的样本。
选项：
A:错
B:对
答案:
3、判断题：
压缩近邻法去除的是远离分类边界，对于最后的决策没有贡献的样本。
选项：
A:错
B:对
答案:
4、判断题：
剪辑近邻法剪除的是靠近分类面边缘的样本。
选项：
A:错
B:对
答案:
5、判断题：
近邻法是一种有监督学习
选项：
A:错
B:对
答案:
第七章 单元测试
1、判断题：
一个数据集能生成多种决策树
选项：
A:错
B:对
答案:
2、判断题：
ID3方法的目的是降低系统信息熵
选项：
A:错
B:对
答案:
3、判断题：
过拟合不会影响分类模型的泛化能力
选项：
A:错
B:对
答案:
4、判断题：
先剪枝可以有效解决过拟合问题，但是后剪枝不能
选项：
A:错
B:对
答案:
5、判断题：
随机森林算法是基于自举思想的一种决策树改进算法
选项：
A:对
B:错
答案:
第八章 单元测试
1、判断题：
C均值算法是基于相似性度量的
选项：
A:错
B:对
答案:
2、判断题：
C均值算法需要进行迭代计算
选项：
A:对
B:错
答案:
3、判断题：
分级聚类可以使用多种不同的类间相似性度量
选项：
A:错
B:对
答案:
4、判断题：
C均值聚类算法对噪声和孤立点不敏感
选项：
A:错
B:对
答案:
5、判断题：
分级聚类又叫层次聚类，需要构建聚类树
选项：
A:错
B:对
答案:
第九章 单元测试
1、判断题：
特征提取不仅可以降低特征空间的维度，还可以消除特征之间的相关性。
选项：
A:对
B:错
答案:
2、判断题：
理想的判据应该对特征具有单调性，加入新的特征不会使判据减小。
选项：
A:对
B:错
答案:
3、判断题：
基于类内类间距离的可分性判据和概率密度函数的可分性判据都可以有不同的表达形式。
选项：
A:对
B:错
答案:
4、判断题：
熵表示不确定性，熵越小不确定性越大。
选项：
A:对
B:错
答案:
5、判断题：
穷举法是一种基本的特征选择最优算法。
选项：
A:错
B:对
答案:
6、多选题：
下面关于分支定界法的说法中正确的是
选项：
A:分枝定界法也是一种特征选择的最优算法。
B:分枝定界法是一种自顶向下的方法，没有回溯的过程。
C:分枝定界法的计算量与具体问题和数据有关。
D:分枝定界法是一种自顶向下的方法，具有回溯的过程。
答案:
第十章 单元测试
1、判断题：
选择性抽样是根据样本的先验概率来确定检验集数量的抽样方法。
选项：
A:错
B:对
答案:
2、判断题：
测试集的样本数量越多，对分类器错误率的估计就越准确。
选项：
A:错
B:对
答案:
3、判断题：
在总的样本集不是很大的情况下，可以采用交叉验证法来较好的估计分类器性能。
选项：
A:对
B:错
答案:
4、判断题：
在进行交叉验证时,，一般让临时训练集较大,临时测试集较小,这样得到的错误率估计就更接近用全部样本作为训练样本时的错误率。
选项：
A:对
B:错
答案:
5、多选题：
下面关于交叉验证法的说法中正确的是
选项：
A:交叉验证法不仅可以估计分类器的错误率，还可以用于分类器参数的选择。
B:在进行交叉验证时,，一般让临时训练集较小,临时测试集较大,这样得到的错误率估计就更接近用全部样本作为训练样本时的错误率。
C:n倍交叉验证法和留一法都是交叉验证法的具体形式。
D:交叉验证法中的测试集过小会带来错误率估计方差大的问题，这个问题可以通过多轮实验的平均得到一定的缓解。
答案:
请先 ！