一、单选题

1、使用岭回归(Ridge Regression)拟合样本数据，调试正则化参数λ来降低模型复杂度，当λ较大时、关于偏差(bias)和方差(Variance)，一般情况下

{{ select(1) }}

• 当入较大时，偏差增大，方差减小
• 当入较大时，偏差减小，方差增大
• 当入较大时，偏差增大，方差增大
• 当入较大时，偏差减小，方差减小

2、对于伯努利分布X~Bernoulli(p)，样本{1,0,1,1}对p的MLE(MaximumLikelihood Estimation，最大似然估计为 {{ select(2) }}

• 样本中位数
• 0.75
• 0.5
• 0.25

3、在最大似然估计中，为什么通常对似然函数取对数？ {{ select(3) }}

• 为了增加模型的复杂度
• 为了使参数估计更加准确
• 为了引入先验分布
• 为了将乘法转化为加法，简化计算

4、在图像分类任务中，若模型将大量负样本误判为正样本，这表明: {{ select(4) }}

• Accuracy偏高
• Precision 偏高
• Recall偏低
• Precision偏低

5、子空间的判断条件为存在零元，对加法和数乘计算封闭。在$R^2$中，下列集合是子空间的有 {{ select(5) }}

• {(x,y)|y=0}
• {(x,y)|x=1}
• {(x,y)|x+y=1}
• {(x,y)|x+1=2y}