请输入或粘贴题目内容搜题

题目内容（请给出正确答案）

[多选]

在分类问题中，我们经常会遇到正负样本数据量不等的情况比如正样本为10w条数据，负样本只有1w条数据，以下最合适的处理方法是（）。

A、将负样本重复10次生成10w样本量打乱顺序参与分类

B、直接进行分类可以最大限度利用数据

C、从10w正样本中随机抽取1w参与分类

D、将负样本每个权重设置为10，正样本权重为1，参与训练过程

答案

查看答案

发布时间：2023-01-13

更多“在分类问题中，我们经常会遇到正负样本数据量不等的情况比如正样本为10w条数据，负样本只有1w条数据，以下最合适的处理方法是（）。……”相关的问题

第1题

在深度学习中，我们经常会遇到收敛到localminimum，下面不属于解决localminimum问题的方法是（）。

A、随机梯度下降

B、设置Momentum

C、设置不同初始值

D、增大batchsize

点击查看答案

第2题

选择Logistic回归中的One-Vs-All方法中的哪个选项是真实的（）。

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

点击查看答案

第3题

讲解员在带团时候经常会遇到游客不愿听讲解的情况，请分析一下游客不听讲解的原因。如果你遇到这种情况，你会如何处理。

点击查看答案

第4题

在日常生活中，我们常常会遇到各种需要解决的实际问题，我们应当恰当的选择数字化工具来帮我解决问题，并且我们应当积极主动的关注信息技术工具的变化新趋势，有意识的利用新技术新工具来处理信息（）

是

否

点击查看答案

第5题

在实际生产中，经常会遇到染料泳移现象，试回答什么是染料的泳移？并分析产生泳移的原因，提出预防的措施。

点击查看答案

第6题

下列关于深度学习中优化问题说法错误的是（）。

A、当优化问题的数值解接近局部最优值时，随着目标函数解的梯度接近或变为零，通过最终迭代获得的数值解可能仅使目标函数局部最优，而不是全局最优

B、在深度学习优化问题中，经常遇到的是梯度爆炸或梯度消失

C、优化问题中设置的学习率决定目标函数能否收敛到局部最小值，以及何时收敛到最小值

D、一般来说，小批量随机梯度下降比随机梯度下降和梯度下降的速度慢，收敛风险较大

点击查看答案

第7题

使用ELEM94-95中的数据。这些数据是有关密歇根州小学的数据。本题中，我们把数据看成聚类样本，其中每个学校都是一个学区聚类样本中的一部分。
(i)一个学区中学校的最多数量和最少数量是多少？每个学区的学校平均数量是多少？
(ii)利用混合OLS(即将所有1848个学校混合在一起)，估计一个将lavgsal与bs，lenrol，lstaff和lunch相联系的模型：也参见第9章的计算机练习C11。bs的系数和标准误是多少？
(iii)求对学区内聚类相关(和异方差性)保持稳健的标准误。bs的t统计量有何变化？
(iv)去掉bs＞0.5的四个观测，仍用混合OLS，求出β_bs及其聚类稳健标准误。现在，薪水与福利之间的替代关系，有更多的证据吗？
(v)容许一个学区内的学校存在一个共同的学区效应，用固定效应法估计这个方程。再次去掉bs＞0.5的四个观测，现在，你对薪水与福利之间的替代关系有何结论？
(vi)根据你在第(iv)部分和第(v)部分的估计值，讨论通过学区固定效应而容许教师的薪酬在不同学区系统变化的重要性。

请帮忙给出正确答案和分析，谢谢！

点击查看答案

第8题

（假设precision=TP/（TP+FP），recall=TP/（TP+FN））在二分类问题中，当测试集的正例和负例数量不均衡时，以下评价方案哪个是相对不合理的（）。

A、Accuracy：（TP+TN）/all

B、F-value：2recallprecision/（recall+precision）

C、G-mean：sqrt（precision*recall）

D、AUC：曲线下面积

点击查看答案

第9题

管理者在工作中经常会遇到很多问题，这些问题不包括（）。

A、人的问题

B、人与政府的问题