深度学习基础-特征工程概述

1单选(1分)

为了在python程序中进行英文自然语言的处理，如词语切分（Tokenization）词干提取（Stemming）等工作，需要使用的导入模块语句通常为：?

A.import nltk
B.import matplotlib.pyplot as plt
C.import numpy as np
D.from sklearn import svm, datasets

2单选(1分)

关于停用词（Stop words），下列说法错误的是?

A.停用词是指比较古老的词汇，在当代已经几乎无人使用了
B.在某些特殊应用如短语搜索 phrase search中，停用词可能是重要的构成部分，过滤掉会引起副作用，因此要避免进行停用词过滤
C.停用词通常是非常常见的词，几乎可能出现在所有场合，因而对于信息检索、文本分类等应用区分度不大
D.停用词是指在信息检索中，为节省存储空间和提高处理效率，在处理自然语言文本之前或之后需要被过滤掉的某些字或词

3单选(1分)

下面关于特征缩放（Feature Scaler）的描述错误的是?

A.特征缩放主要是对特征矩阵中每个行，即每个样本的数值进行规范化处理
B.特征缩放主要是对特征矩阵中每个列，即同一特征维度的数值进行规范化处理
C.常用特征缩放方法有标准化法、区间缩放法等
D.其应用背景包括不同特征（列）不属于同一量纲等场合

4单选(1分)

下面的一段python程序的目的是对样本特征矩阵进行归一化处理，则空格处应该填充的函数是？?

from sklearn import datasets?

iris = datasets.load_iris()?

from sklearn.preprocessing import Normalizer?

print (Normalizer(norm=’l1′). (iris.data))?

A.fit_transform
B.normalizer
C.fit
D.transform

5单选(1分)

下面的一段python程序的目的什么??

import scipy.sparse as sp?

from sklearn.preprocessing import Imputer?

x = sp.csc_matrix([?

[1, 2], ?

[0, 3],?

[7, 6]])?

imp = Imputer(missing_values=0, strategy=’mean’, verbose=0)?

imp.fit(x)?

x_test = sp.csc_matrix([?

[0, 2],?

[6, 0], ?

[7, 6]])?

A.缺失值补齐，将0视为缺失值
B.样本特征矩阵的归一化
C.多项式特征的生成
D.样本特征矩阵的量纲的缩放

6单选(1分)

关于下面的python程序的描述错误的是??

from sklearn.feature_extraction.text import CountVectorizer?

corpus = [?

‘Jobs was the chairman of Apple Inc., and he was very famous’,?

‘I like to use apple computer’,?

‘And I also like to eat apple’?

] ?

vectorizer =CountVectorizer(ngram_range=(1,2))?

print(“N-gram mode: “,vectorizer.fit_transform(corpus).todense()) ?

print(“N-gram mode: “,vectorizer.vocabulary_)?

A.CountVectorizer没有考虑到IDF，即倒排文档频率
B.用n-gram模式进行文档向量化
C.vocabulary_中只包括bi-gram
D.vocabulary_中既包括unigram，也包括bigram

单选(1分)

下图是使用主成分分析法对iris数据集进行特征降维并进行二维平面可视化的结果。则为了绘图，需要使用的导入语句是下面哪一种？?

A.import matplotlib.pyplot as plt
B.from sklearn.lda import LDA
C.from sklearn.decomposition import PCA
D.import numpy as np

8多选(1分)

自然语言处理中为了计算文档之间的相似度，往往需进行文档的量化表示，下面关于BOW（即Bag-Of-Words model）和VSM（Vector Space Model）的描述正确的是：?

A.BOW，即词袋模型。即为了计算文档之间的相似度，假设可以忽略文档内的单词顺序和语法、句法等要素，将其仅仅看作是若干个词汇的集合
B.在VSM，即向量空间模型中，所有文档的向量维度的数目都相同
C.其它答案都不对
D.VSM，即向量空间模型。是一种表示文本文档的数学模型。将每个文档表示成同一向量空间的向量

9多选(1分)?

对于文本“I like to eat apple”，则下列关于N-gram的描述正确的是?

A.其Bi-gram为“I like”,“like to”, “to eat”,“eat apple”
B.其Tri-gram为“I like to”,“like to eat”, “to eat apple”
C.其Uni-gram为“I”,“like”, “to”,“eat”,“apple”
D.其它答案都不对

10多选(1分)

关于特征选择，下列说法正确的是?

A.特征减少了，维度就下降了，可以提升模型的效率。因为在实际应用尤其是在文本处理中，经常会出现维度灾难问题
B.剔除了无关特征，有利于降低学习任务的难度，也可以增加模型的可解释性
C.每个样本往往具有多个特征，特征选择是指从中选择对于学习任务，例如分类问题有帮助的若干特征
D.通常可从两个方面来进行特征选择：1）特征是否发散；2）特征与目标的相关性

相关文章: