第一章测试
1. Python 程序在执行一次之后会自动生成扩展名为（ ） 的字节码文件， 以提
高运行效率。
A:.py
B:.pyb
C:.pyc
D:.pyf
答案:A
2. 以下关于列表 ls 的叙述中， 错误的是（ ） 。
A:len(ls)： 求出 ls 中的元素个数
B:ls.clear()： 删除 ls 中的一个元素
C:ls.append(x)： 在 ls 的末尾增加一个元素 x
D:ls.reverse()： 反转 ls 中的所有元素
答案:B
3. 以下关于元组的说法中， 正确的是（ ） 。
A:所有元素的数据类型必须相同
B:支持 in 运算符
C:元组不支持切片操作
D:插入的新元素放在最后
答案:B
4. 表达式[ x for x in [1,2,3,4,5] if x ＜3] 的结果是（ ） 。
A:[1,2,3]
B:[1,2,3,4,5]
C:[3,4,5]
D:[1,2]
答案:D
5. 以下不能创建一个字典的语句是（） 。
A:dict2 = { 3 : 5 }
B:dict3 ={[1,2,3]: “uestc”}
C:dict1 = {}
D:dict4 ={(1,2,3): “uestc”}
答案:B
6. numpy 中有很多自带的数组创建函数， 下列（ ） 函数可以创 ……此处隐藏3442个字…… 系，那么线性回归方程必过
点的坐标为： (X平均值, Y平均值)（ ）
A:对
B:错
答案:A
7. 已知用电量 Y（4.5, 4, 3, 2.5 ） 和月份 X(1, 2, 3, 4) 具有近似的线性相关， 如果
线性回归方程为 y = -0.7x + b ， 那么 b=5.25。 （ ）
A:对
B:错
答案:A
8. 已知数据 Y(4.5, 4,3, 2.5) 和 X(2, 3, 4, 5) 具有较好的线性关系， 那么对应的线
性回归方程为： y = -0.7x + 5.95 （ ）
A:错
B:对
答案:B
第四章测试
1. 可以采用回归问题的解决思路实现分类问题。 ( )
A:对
B:错
答案:A
2. 支持向量机（SVM） 只能解决二分类问题。 （ ）
A:错
B:对
答案:A
3. 使用欧式距离作为损失函数解决分类问题不可行。 （ ）
A:错
B:对
答案:A
4. 回归和分类问题在训练的时候都存在过拟合的可能性。 （ ）
A:错
B:对
答案:B
5. 回归问题和分类问题都属于有监督学习。 （ ）
A:错
B:对
答案:B
6. 在某些情况下， 可以用回归解决分类问题， 例如： 逻辑回归可以解决二分类
问题。 （ ）
A:对
B:错
答案:A