人工智能 第八章 机器学习习题解答

1.人工神经网络适合于解决哪些问题？试举例说明。

人工神经网络技术在处理对内部规律不甚了解，也不能用一组规则和方程等数学表达式描述的较为复杂的问题时具有一定的优越性，尤其对容错性有一定要求的任务，例如图形的检测与识别、诊断、特征提取、推论等，人工神经网络都是比较合适的处理手段，对于上述任务，即使输入数据是模糊的或不完善的，人工神经网络仍然能够对其进行处理。

示例略。

2.一个人工神经网络应用的开发要经过哪些阶段？明确需求、选取模型、设计神经网络节点、设计神经网络结构、设计神经网络训练算法、选择训练和测试样本、网络训练与测试、实现神经网络。

3.若要用神经网络实现对0~9十个数字字符的识别，应当如何选取适当的人工神经网络模型？参见表8-1，可以选择BP、Hopfield等神经网络模型。

4.若要实现一个简单的交通标志识别系统，应当如何选取适当的人工神经网络模型？参见表8-1，可以选择BP、Hopfield等神经网络模型。

5.若有一个私人医生，每天可接受10个预约病人的上门服务。

若要为该医生设计一条当天的巡诊路线，以使该医生的巡诊距离最短，应当如何选取适当的人工神经网络模型？这是一个优化问题，可以选择Hopfield神经网络。

6.试述对习题2、3、4中选取的人工神经网络模型进行设计开发的全过程。

略。

7.有如下几种模型，其特性如表8-4所示。

表8-4 人工神经网络模型的基本性能若要开发一个贷款评估人工神经网络，要求能够根据借贷申请人的月收入、生活费用支出、房租、水、电、交通费用支出及其他费用支出来实时地分析这一贷款申请是否合格。

如合格，则批准申请给予贷款，否则给予拒绝。

请从表8-4列出的人工神经网络模型中选择一个适合该贷款评估应用的模型，并阐明原因。

可根据输出类型（例如，此题是一个分类问题，而不是优化问题）、训练方法、要求的训练时间和执行时间等选取各项指标都符合具体需求的模型。

此题只是一个示例，让读者掌握如何选取适当的人工神经网络模型，具体选取过程略。

《人工智能原理》课程习题解答7.4 证明下列的每个断言：a. α是合法的当且仅当α=|Trueb. 对于任意的α，α=|Falsec. βα=|当且仅当)(βα⇒是合法的d. βα≡是合法的当且仅当)(βα⇔是合法的e. βα=|当且仅当)(βα⌝∧是不合法的说明：βα=|当且仅当在所有α为真的模型中，β也为真；当且仅当α为真且β为假时，βα⇒为假。

以下的证明将直接从上述定义出发进行。

使用集合论的表示方法可以更简洁的表示为)()(βαM M ⊆。

a. 一个语句合法即其在所有的模型中均为真。

语句True 在所有的模型中都是合法的。

因此当α合法则α=|True 成立（因为在所有的模型中True 和α都成立）；如果α=|True 成立，则α一定是合法的，因为在所有True 成立的模型中α必为真。

b. False 在所有的模型中均不成立，所以在所有False 成立的模型中有α成立(诡辩，其实没有这样的模型)。

c. 假设βα=|，考虑任意模型m 。

若在模型m 中α为真，则由假设可知β在模型m 中也为真，所以βα⇒在m 中也为真。

另外，当α在m 为假，则βα⇒在m 中为真。

因此βα⇒是合法的。

反过来，假设βα⇒是合法的。

考虑任意α为真的模型m ，β必定也为真，否则模型m 无法满足βα⇒。

所以有βα=|。

d. 应用c 的结论从两个方向进行证明可得。

e. 由c 推出，因为βα⌝∧是不可满足的只有当βα⇒是合法的。

7.5 考虑一个只有4个命题A 、B 、C 和D 的词表。

对于下列语句分别有多少个模型？a. )()(C B B A ∧∨∧b. B A ∨c. C B A ⇔⇔说明：通过计算真值表中为真的数目得到答案。

记住不要忘记计算那些语句中没有提到的命题；如果一个语句只提到A 和B ，那么不要忘记在},{B A 模型数目基础上乘上22(因为要考虑C 和D )。

a. 6 提示：仅考虑语句中出现的命题，即},,{C B A 模型数(语句为真)为3，考虑隐含的命题D ，所以应乘上21。

人工智能导论-各章习题答案第一章习题解答1. 什么是人工智能？人工智能（Artificial Intelligence，简称AI）是指使机器具有类似或超过人类智能的能力。

人工智能研究的目标是使计算机能够进行人类智力活动，例如学习、理解、推理和决策等。

2. 人工智能的基本分类人工智能可以分为弱人工智能（Narrow AI）和强人工智能（General AI）两类。

弱人工智能是指针对特定任务开发的人工智能系统，比如语音识别、图像处理和机器翻译等。

弱人工智能系统有特定的输入和输出，其能力局限于特定任务。

强人工智能是指能够在各种智力活动中与人类媲美或超越人类的人工智能系统。

强人工智能拥有自主学习、理解、推理和决策的能力，可以应对复杂的问题和情境。

3. 人工智能的应用领域人工智能已经在多个领域得到应用，包括但不限于以下几个方面：•机器学习：基于数据和统计方法，让计算机自动学习并改进性能。

•自然语言处理：使计算机能够理解和处理人类语言。

•机器视觉：使计算机能够理解和处理图像和视频。

•专家系统：建立基于规则和知识的推理系统，用于解决复杂的问题和决策。

•智能机器人：让机器拥有感知、决策和执行的能力，用于自主操作和交互。

•数据挖掘：发现数据中的模式和关联，用于预测和决策支持。

4. 人工智能的发展历史人工智能的发展可以追溯到20世纪50年代，随着计算机技术和算法的进步，人工智能开始逐渐崭露头角。

在1956年，达特茅斯会议举行，标志着人工智能的诞生。

随后，人工智能经历了繁荣期、低谷期和复兴期等不同的发展阶段。

繁荣期（1956-1974）中，很多初期的人工智能算法被提出，比如逻辑推理、机器学习和专家系统等。

然而，由于计算能力限制和算法的局限性，人工智能在这个时期受到了限制。

低谷期（1975-1980）是由于在之前的繁荣期中，人们对人工智能过于乐观，但实际应用和成果不如预期，导致了人工智能的寒冬。

复兴期（1980-至今）是人工智能的复苏和突破阶段。

《人工智能》课后习题答案第一章绪论1.1答：人工智能就是让机器完成那些如果由人来做则需要智能的事情的科学。

人工智能是相对于人的自然智能而言，即用人工的方法和技术，研制智能机器或智能系统来模仿延伸和扩展人的智能，实现智能行为和“机器思维”，解决需要人类专家才能处理的问题。

1.2答：“智能”一词源于拉丁“Legere”，意思是收集、汇集，智能通常用来表示从中进行选择、理解和感觉。

所谓自然智能就是人类和一些动物所具有的智力和行为能力。

智力是针对具体情况的，根据不同的情况有不同的含义。

“智力”是指学会某种技能的能力，而不是指技能本身。

1.3答：专家系统是一个智能的计算机程序，他运用知识和推理步骤来解决只有专家才能解决的复杂问题。

即任何解题能力达到了同领域人类专家水平的计算机程序度可以称为专家系统。

1.4答：自然语言处理—语言翻译系统，金山词霸系列机器人—足球机器人模式识别—Microsoft Cartoon Maker博弈—围棋和跳棋第二章知识表达技术2.1解答：（1）状态空间(State Space)是利用状态变量和操作符号，表示系统或问题的有关知识的符号体系，状态空间是一个四元组（S，O，S0，G）：S—状态集合;O—操作算子集合;S0—初始状态,S0⊂S;G—目的状态,G⊂S,(G可若干具体状态，也可满足某些性质的路径信息描述)从S0结点到G结点的路径被称为求解路径。

状态空间一解是一有限操作算子序列，它使初始状态转换为目标状态：O1 O2 O3 OkS0→−−−S1→−−−S2→−−−……→−−−G其中O1，…，Ok即为状态空间的一个解(解往往不是唯一的)（2）谓词逻辑是命题逻辑的扩充和发展，它将原子命题分解成客体和谓词两个部分。

与命题逻辑中命题公式相对应，谓词逻辑中也有谓词（命题函数）公式、原子谓词公式、复合谓词公式等概念。

一阶谓词逻辑是谓词逻辑中最直观的一种逻辑。

（3）语义网络是一种采用网络形式表示人类知识的方法。

人工智能工程师(机器学习)试题及答案1. 请解释机器研究是什么以及它在人工智能领域中的作用。

机器研究是一种人工智能分支，旨在使计算机系统能够通过从数据中研究和自动推断来改善性能。

它通过训练模型来识别和理解模式，并基于这些模式做出预测或做出决策。

在人工智能领域中，机器研究为解决复杂的问题提供了一种有效的方式，例如图像和语音识别、自然语言处理、推荐系统等。

2. 请简述监督研究和无监督研究的区别。

3. 请列举几个常用的机器研究算法，并简要描述它们的应用领域。

- 线性回归：应用于预测数值型结果的问题，如房价预测。

- 逻辑回归：常用于分类问题，如垃圾邮件过滤。

- 决策树：用于处理分类和回归问题，如客户信用评级。

- 支持向量机：适用于二元分类问题，例如图像分类和文本分类。

- 随机森林：可用于分类和回归问题，如医学诊断和股票市场预测。

- 集成研究：通过结合多个研究器来提高性能，如AdaBoost、Bagging等。

- 深度研究：用于复杂的模式识别和自然语言处理问题，如图像和语音识别。

4. 请解释过拟合和欠拟合，并提供避免过拟合的方法。

避免过拟合的方法包括：- 使用正则化技术，如L1或L2正则化，以减小模型复杂度。

- 使用交叉验证来选择合适的超参数和模型结构。

5. 请解释ROC曲线和AUC的含义，并说明它们在评估分类模型性能时的作用。

ROC曲线是一种用于评估二元分类模型的性能的可视化工具。

它以真阳性率（True Positive Rate，TPR）为纵轴，假阳性率（False Positive Rate，FPR）为横轴，绘制了分类模型在不同阈值下的表现。

ROC曲线越接近左上角，模型的性能越好。

AUC（Area Under the Curve）是ROC曲线下的面积，用于衡量二元分类模型的整体性能。

AUC值越接近1，模型的性能越好；而AUC值越接近0.5，模型的性能越差。

6. 请解释交叉验证是什么，以及其在机器研究中的作用。

人工智能机器学习技术练习(习题卷8)第1部分：单项选择题，共62题，每题只有一个正确答案,多选或少选均不得分。

1.[单选题]基于二次准则函数的H-K算法较之于感知器算法的优点是()?A)计算量小B)可以判别问题是否线性可分C)其解完全适用于非线性可分的情况答案:B解析:2.[单选题]构建回归树的时间复杂度最重要的因素是()A)特征中类别的个数B)label列值域C)样本总量答案:A解析:3.[单选题]()是指为最小化总体风险,只需在每个样本上选择能使特定条件风险最小的类别标记。

A)支持向量机B)间隔最大化C)线性分类器D)贝叶斯判定准则答案:D解析:4.[单选题]下列选择 Logistic回归中的 One-Vs-All方法中,()是真实的。

A)我们需要在n类分类问题中适合n个模型B)我们需要适合n-1个模型来分类为n个类C)我们需要只适合1个模型来分类为n个类D)以上答案都不正确答案:A解析:如果存在n个类,那么n个单独的逻辑回归必须与之相适应,其中每个类的概率由剩余类的概率之和确定。

5.[单选题](__)不属于相关分析。

A)正相关B)负相关C)线性相关D)误差相关答案:D解析:6.[单选题]移动运营商对客户进行细分,设计套餐和营销活动可以使用下面哪种机器学习方法( )。

A)贝叶斯分类器B)关联方法C)聚类算法D)多层前馈网络7.[单选题]下面是三个散点图(A,B,C,从左到右)和和手绘的逻辑回归决策边界。

alt="" >上图中哪一个显示了决策边界过度拟合训练数据?A)AB)BC)CD)这些都没有答案:C解析:由于在图3中,决策边界不平滑,表明其过度拟合数据。

8.[单选题]半监督学习包括。

A)主动学习B)回归学习C)聚类学习D)直推学习答案:D解析:9.[单选题]在统计语言模型中,通常以概率的形式描述任意语句的可能性,利用最大相似度估计进行度量,对于一些低频词,无论如何扩大训练数据,出现的频度仍然很低,下列哪种方法可以解决这一问题()A)一元切分B)一元文法C)数据平滑D)N元文法答案:C解析:10.[单选题]将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务?A)频繁模式挖掘B)分类和预测C)数据预处理D)数据流挖掘答案:C11.[单选题]图像数据分析的常用方法不包括（ ）A)图像变换B)图像编码和压缩C)图像增强和复原D)图像数据采集答案:D解析:12.[单选题]下列关于数据的说法，不正确的是（）A)数据的类别有多种多样B)数据库中的一列代表一个特征C)一组数据平均值不会受异常值影响D)数据点之间的距离满足d_ij+d_jk≥d_ik答案:C解析:13.[单选题]关于ZooKeeper的说法不正确是()A)采用层次化的数据结构B)采用类似于LINUX命令进行数据访问C)具备临时节点和永久节点D)永久节点会随客户端会话的结束而结束其生命周期答案:D解析:14.[单选题]下面数据结构能够支持随机的插入和删除操作、并具有较好的性能的是A)链表和哈希表B)数组和链表C)哈希表和队列D)堆栈和双向队列答案:A解析:15.[单选题]下面关于数据科学与统计学的关系描述不正确的有(__)。

第八章课后习题参考答案
1、A
2、D
3、自动驾驶汽车（Autonomous vehicles；Self-driving automobile ）又称无人驾驶汽
车、电脑驾驶汽车、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车。

在20世纪已有数十年的历史，21世纪初呈现出接近实用化的趋势。

4、智慧停车场的关键技术主要包括图像处理、车牌识别、道闸控制等，主要依托于云服务、
后台管理系统、道闸收费、终端服务等技术实现对停车场的智能化、统一化、精细化管理。

5、信号灯识别一般分为三个步骤，首先获取图像，其次对获取到的图像进行处理，识别出
交通信号灯，最后输出识别结果。

在交通信号灯识别过程时，首先检测出图像中的信号灯，然后识别信号灯颜色，最后输出识别结果。

6、自动驾驶的过程中主要包括环境感知、决策与规划、和控制与执行三个阶段：
（1）环境感知阶段：自动驾驶汽车通过车身布置的高清摄像头、高精度雷达等传感器，对周围环境进行数据采集探测，例如行人、车辆位置、车道线位置、车辆速度、交通信号灯等信息。

（2）决策与规划阶段：自动驾驶汽车利用大数据、人工智能等相关技术，将采集到的信息进行分析处理并做出控制决策。

（3）控制与执行阶段：自动驾驶汽车将信息处理阶段做出的控制决策传递给发动机管理系统、电动助力转向系统（EPS）等，从而实现车辆加速、减速和转向等操作。

1.我们要用概率模型对数据和标签进行学习，需要数据/标签对服从某种概率分布，称为（）。

正确答案：数据生成分布2.在决策树学习中将已生成的树进行简化的过程称为（）。

正确答案：剪枝二、判断题1.支持向量分类器的判断规则只由训练观测的一部分（支持向量）确定。

正确答案：√2.支持向量机通过使用核函数来扩大特征空间。

正确答案：√3.支持向量机可看作是一类简单、直观的最大间隔分类器的推广。

正确答案：√4.支持向量是最靠近决策表面的数据点。

正确答案：√5.树的内部结点用特征作标签，树枝用是否符合特征来标签。

正确答案：√6.过拟合发生在模型太过偏向训练数据时，对于决策树可以采用修剪的方法阻止过拟合。

正确答案：√7.对于实值特征，可以用比较测试将数据划分为两部分，或者选择范围过滤。

正确答案：√8.决策树的节点有两种类型：内部节点和叶节点。

内部节点表示一个特征或属性，叶节点表示一个类。

9.过拟合发生在模型太过偏向训练数据时。

正确答案：√10.决策树的修剪可以采用正则化的方法。

正确答案：√三、单选题1.怎样理解非完美分类的超平面分类器？( )A.允许小部分训练观测被误分。

B.允许大部分训练观测被误分。

C.两种说法都对。

D.两种说法都不对。

正确答案：A2.SVM算法的性能取决于( )。

A.核函数的选择B.核函数的参数C.软间隔参数CD.以上都是正确答案：D3.SVM算法的最小时间复杂度是O(n*n)。

基于这一点，（）规格的数据集并不适用于该算法。

A.大数据集B.小数据集C.中数据集D.不受数据集大小的影响正确答案：A4.假定现在有一个四分类问题，你要用One-vs-all策略训练一个SVM的模型，你需要训练几个SVM模型？（）A.1B.2C.3D.4正确答案：D5.在构建决策树时，需要计算每个用来划分数据特征的得分，选择分数最高的特征，以下可以作为得分的是？（）A.熵B.基尼系数C.训练误差D.以上都是正确答案：D6.在决策树学习过程中，哪些情况可能会导致问题数据（特征相同但是标签不同）？( )A.数据错误B.数据有噪音C.现有的特征不足以区分或决策D.以上都是正确答案：D7.在构建决策树时，以下属于处理有多个值的特征的方法的是( )。

人工智能第1部分绪论1-1.什么是人工智能？试从学科和能力两方面加以说明。

答：从学科方面定义：人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支。

它的近期目标在于研究用机器来模拟和执行人脑的某些智力功能，并开发相关理论和技术从能力方面定义：人工智能是智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。

1-2.在人工智能的发展过程中，有哪些思想和思潮起了重要作用？答：1）数理逻辑和关于计算本质的新思想，提供了形式推理概念与即将发明的计算机之间的联系；2）1956年第一次人工智能研讨会召开，标志着人工智能学科的诞生；3）控制论思想把神经系统的工作原理与信息理论、控制理论、逻辑以及计算联系起来，影响了许多早期人工智能工作者，并成为他们的指导思想；4）计算机的发明与发展；5）专家系统与知识工程；6）机器学习、计算智能、人工神经网络和行为主义研究，推动人工智能研究的近一步发展。

1-3.为什么能够用机器（计算机）模仿人的智能？答：物理符号系统的假设：任何一个系统，如果它能够表现出智能，那么它就必定能执行输入符号、输出符号、存储符号、复制符号、建立符号结构、条件迁移6种功能。

反之，任何系统如果具有这6种功能，那么它就能够表现出智能（人类所具有的智能）。

物理符号系统的假设伴随有3个推论。

推论一：既然人具有智能，那么他（她）就一定是各物理符号系统；推论二：既然计算机是一个物理符号系统，它就一定能够表现出智能；推论三：既然人是一个物理符号系统，计算机也是一个物理符号系统，那么我们就能够用计算机来模拟人的活动。

1-4.人工智能的主要研究内容和应用领域是什么？其中，哪些是新的研究热点？答：研究和应用领域：问题求解（下棋程序），逻辑推理与定理证明（四色定理证明），自然语言理解，自动程序设计，专家系统，机器学习，神经网络，机器人学（星际探索机器人），模式识别（手写识别，汽车牌照识别，指纹识别），机器视觉（机器装配，卫星图像处理），智能控制，智能检索，智能调度与指挥（汽车运输高度，列车编组指挥），系统与语言工具。

大学课程《人工智能》课后答案第一章课后习题1、对N＝5、k≤3时，求解传教士和野人问题的产生式系统各组成部分进行描述（给出综合数据库、规则集合的形式化描述，给出初始状态和目标条件的描述），并画出状态空间图。

2、对量水问题给出产生式系统描述，并画出状态空间图。

有两个无刻度标志的水壶，分别可装5升和2升的水。

设另有一水缸，可用来向水壶灌水或倒出水，两个水壶之间，水也可以相互倾灌。

已知5升壶为满壶，2升壶为空壶，问如何通过倒水或灌水操作，使能在2升的壶中量出一升的水来。

3、对梵塔问题给出产生式系统描述，并讨论N为任意时状态空间的规模。

相传古代某处一庙宇中，有三根立柱，柱子上可套放直径不等的N个圆盘，开始时所有圆盘都放在第一根柱子上，且小盘处在大盘之上，即从下向上直径是递减的。

和尚们的任务是把所有圆盘一次一个地搬到另一个柱子上去（不许暂搁地上等），且小盘只许在大盘之上。

问和尚们如何搬法最后能完成将所有的盘子都移到第三根柱子上（其余两根柱子，有一根可作过渡盘子使用）。

求N＝2时，求解该问题的产生式系统描述，给出其状态空间图。

讨论N为任意时，状态空间的规模。

4、对猴子摘香蕉问题，给出产生式系统描述。

一个房间里，天花板上挂有一串香蕉，有一只猴子可在房间里任意活动（到处走动，推移箱子，攀登箱子等）。

设房间里还有一只可被猴子移动的箱子，且猴子登上箱子时才能摘到香蕉，问猴子在某一状态下（设猴子位置为a，箱子位置为b，香蕉位置为c），如何行动可摘取到香蕉。

5、对三枚钱币问题给出产生式系统描述及状态空间图。

设有三枚钱币，其排列处在"正、正、反"状态，现允许每次可翻动其中任意一个钱币，问只许操作三次的情况下，如何翻动钱币使其变成"正、正、正"或"反、反、反"状态。

6、说明怎样才能用一个产生式系统把十进制数转换为二进制数，并通过转换141.125这个数为二进制数，阐明其运行过程。

解析题：1. 问题状态以五元组 (a,b,c,d,,e) ，a 农夫b 狐狸c 小羊d 菜.e 左岸1右岸为0.操作算子为L(x),R(x)。

x 为 b,c,d.分别表示农夫带着每一样物品到河左岸和到河右岸,当为x=0时表示不带任何物品。

整个问题状态以左岸的状态来描述。

初始状态为(1,1,1,1,1,1)农夫和三样物品都在左岸,目标状态为(0,0,0,0,0,0)农夫和三样物品都在右岸。

2. 深度优先扩展当前节点后生成的子节点总是置于OPEN 表的前端，即OPEN 表点作为棧表使用，后进先出，使当前节点后生成的子节点向纵深方向发展。

爬山算法，评价函数f(n)=h(n).不需设置OPEN 和CLOSE 表，仅从当前状态节点扩展出子节点，并将H(n)最小子节点作为下一次考察和扩展的节点，其余子节点全部丢弃。

（b ） （d ） （1,1,1,1,1）（0,1,0,1,0）（1,1,0,1,1） （0,0,0,1,0）（c ）（0）（0,1,0,0,0）（b ）（d ） （1,0,1,1,1）（c ） （1,1,1,0,1）（c ） （0,0,1,0,0）（1,0,1,0,1）（0,0,0,0,0）（0） （c ）a(5) 1,2,38,4,07,6,5⎛⎫⎪ ⎪ ⎪⎝⎭S(4) 1,2,38,0,47,6,5⎛⎫ ⎪ ⎪ ⎪⎝⎭c(6) 1,2,30,8,47,6,5⎛⎫⎪ ⎪ ⎪⎝⎭d(5) 1,0,38,2,47,6,5⎛⎫⎪ ⎪ ⎪⎝⎭e(6) 1,2,38,6,40,7,5⎛⎫⎪ ⎪ ⎪⎝⎭f(6) 1,2,38,6,47,5,0⎛⎫⎪ ⎪ ⎪⎝⎭b(4) 1,2,38,6,47,0,5⎛⎫⎪ ⎪ ⎪⎝⎭g(6) 1,2,08,4,37,6,5⎛⎫⎪ ⎪ ⎪⎝⎭h(7) 1,2,38,4,57,6,0⎛⎫⎪ ⎪ ⎪⎝⎭i(7) 0,1,38,2,47,6,5⎛⎫⎪ ⎪ ⎪⎝⎭j(5) 1,3,08,2,47,6,5⎛⎫⎪ ⎪ ⎪⎝⎭k(5) 1,3,48,2,07,6,5⎛⎫⎪ ⎪ ⎪⎝⎭l(5) 1,3,48,0,27,6,5⎛⎫⎪ ⎪ ⎪⎝⎭m(7) 1,3,48,2,57,6,0⎛⎫⎪ ⎪ ⎪⎝⎭n(5) 1,3,48,6,27,0,5⎛⎫⎪ ⎪ ⎪⎝⎭o(7) 1,0,48,3,27,6,5⎛⎫⎪ ⎪ ⎪⎝⎭p(7) 1,3,40,8,27,6,5⎛⎫⎪ ⎪ ⎪⎝⎭。

第八章机器学习8.2答：（1）学习是一项复杂的智能活动，学习过程与推理过程是紧密相连的学习中所用的推理越多，系统的能力越强（2）机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问“机器”——计算机（电子，以后还可能是中子计算机、光子计算机或神经计算机等）8.3答：机器学习系统的结构及基本功能当监督环节为示教人时，为示教式学习系统；当监督环节为监督器时，为自学式学习系统。

①知识库存储（记忆）、积累知识·长期记忆（LTM）先验知识背景如事物的基本概念和定义、定律和公理，博弈的基本规则等·中期记忆（MTM）环境事物的各种具体知识·短期记忆（STM）环境变化的信息和数据事实库或“黑板②学习元学习系统的核心环节·采集环境信息息选例环节或直接采集·接受监督指导监督环节的示教、指导信息或评价准则·进行学习推理获得有关问题的解答和结论·修改知识库将推理结果输入知识库，对知识增删改③执行元识别、论证、决策、判定模式分类器、专家咨询解释系统、智能控制机构、机械手/人等如执行元行动结果直接引起环境的变化 “在线”学习系统机器人规划、生产过程控制、机器博弈等④监督环节人:示教者;监督器:评价准则或检验标准·工作执行效果评价——接受来自执行元环节的反馈信息，对系统的工作执行效果进行评价和检验·制定评价标准——接受来自环境变化的信息，制定和修订评价标准和检验标准·监督学习环节——根据评价和检验的结果，对学习环节进行示教、训练或指导·控制选例环节——根据环境变化信息及工作执行效果的反馈，控制选例环节，选取其它事例或样本⑤选例环节作用是从环境中选取有典型意义的事例或样本，作为系统的训练集或学习对象。

如挑选典型病历，以便提高学习效率，加速学习过程。

选例环节可以由人或机器来实现⑥环境系统获取知识和信息的来源，执行的对象和人物等。

人工智能机器学习技术练习(习题卷8)第1部分：单项选择题，共155题，每题只有一个正确答案,多选或少选均不得分。

1.[单选题]如果一个 SVM 模型出现欠拟合，那么下列哪种方法能解决这一问题？A)增大惩罚参数 C 的值B)减小惩罚参数 C 的值C)减小核系数（gamma参数）答案:A解析:2.[单选题]以下哪项是解决NLP用例(如语义相似性、阅读理解和常识推理)的更好选择?A)ELMoB)Open AI’s GPTC)ULMFit答案:B解析:3.[单选题]如果我们说“线性回归”模型完美地拟合了训练样本（训练样本误差为零），则下面哪个说法是正确的？A)测试样本误差始终为零B)测试样本误差不可能为零C)以上答案都不对答案:C解析:根据训练样本误差为零，无法推断测试样本误差是否为零。

值得一提是，如果测试样本样本很大，则很可能发生过拟合，模型不具备很好的泛化能力！4.[单选题]特征归约主要是为了进行特征的()A)缺失值处理B)一致性处理C)异常值处理答案:B解析:5.[单选题]所谓几率,是指发生概率和不发生概率的比值。

所以,抛掷一枚正常硬币,正面朝上的几率(odds)为多少?A)0.5B)1C)都不是答案:B解析:几率(odds)是事件发生不发生概率的比率,正面朝上概率为1/2和反面朝上的概率都为1/2,所以几率为1。

6.[单选题](__)不属于机器学习理论基础。

A)数据科学B)哲学C)心理学D)人工智能7.[单选题]下面属于Boosting方法的特点是( )A)构造训练集时采用Bootstraping的方式B)每一轮训练时样本权重相同C)分类器可以并行训练D)预测结果时,分类器的比重不同答案:D解析:8.[单选题]能够直观显示出学习器在样本总体上的查全率、查准率的图是()。

A)ROC曲线B)误差曲线C)方差曲线D)P-R曲线答案:D解析:9.[单选题]训练SVM的最小时间复杂度为O(n2),那么一下哪种数据集不适合用SVM?A)大数据集B)小数据集C)中等大小数据集D)和数据集大小无关答案:A解析:有明确分类边界的数据集最适合SVM10.[单选题]在HSV色彩空间中的H表示色调，则其取值范围在()。

第1章 1.1 解图如下： 8数码问题启发函数为不在位的将牌数启发函数为不在位的将牌数距离和第2章2.1 解图：第3章3.18(1)证明：待归结的命题公式为()P Q P ∧→，合取范式为：P Q P ∧∧，求取子句集为{,,}S P Q P =，对子句集中的子句进行归结可得：①①③归结由上可得原公式成立。

(2)证明：待归结的命题公式为())(()())P Q R P Q P R →→∧→→→（，合取范式为：()()P Q R P Q P R ∨∨∧∨∧∧，求取子句集为{,,,}S P Q R P Q P R =∨∨∨，对子句集中的子句进行归结可得：① Q②③归结 ② P R ∨①④归结 ③ R③⑥归结④④⑦归结由上可得原公式成立。

(3)证明：待归结的命题公式为()(())Q P Q P Q →∧→→，合取范式为：()()Q P Q P Q ∨∧∨∧，求取子句集为{,,}S Q P Q P Q =∨∨，对子句集中的子句进行归结可得：① P①②归结 ② P②③归结③④⑤归结由上可得原公式成立。

3.19 答案(1) {/,/,/}mgu a x b y b z = (2) {(())/,()/}mgu g f v x f v u = (3) 不可合一(4) {/,/,/}mgu b x b y b z = 3.23 证明 R1：所有不贫穷且聪明的人都快乐：(()()())x Poor x Smart x Happy x ∀∧→ R2：那些看书的人是聪明的：(()())x read x Smart x ∀→ R3：李明能看书且不贫穷：()()read Li Poor Li ∧ R4：快乐的人过着激动人心的生活：(()())x Happy x Exciting x ∀→ 结论李明过着激动人心的生活的否定：()Exciting Li将上述谓词公式转化为子句集并进行归结如下：由R1可得子句： 由R2可得子句： 由R3可得子句： 由R4可得子句： 有结论的否定可得子句：根据以上6条子句，归结如下： ① ()Happy Li ⑤⑥ Li /z ② ()()Poor Li Smart Li ∨⑦① Li /x ③ ()Smart Li ⑧④ ④ ()read Li⑨② Li /y ⑤⑩③由上可得原命题成立。