關於決策樹的敘述下列何者錯誤？

A、 決策樹可以是多元樹

B、 決策樹的起始點稱為根節點

C、 決策樹是一種分群的機器學習技術

D、 決策樹上的內部節點代表一個特徵值

E、 決策樹上的樹葉就是代表一種分類結果

下列敘述何者正確？

A、 KNN(K-Nearest Neighbor)是分群演算法

B、 K-means為分類演算法

C、 K-means為監督式學習

D、 KNN(K-Nearest Neighbor)為分類演算法

E、 KNN(K-Nearest Neighbor)為非監督式學習

下列敘述何者正確？

A、 分類的演算法都稱為監督式學習

B、 分群的演算法都稱為監督式學習

C、 分類的演算法都稱為非監督式學習

D、 支持向量機（SVM）是機器學習分群的技術

E、 決策樹（decision tree）是機器學習分群的技術

關於機器學習的分類與分群敘述何者正確？

A、 分群問題被定義為將未知的新訊息歸納進已知的資訊中

B、 機器學習領域中的分群問題.重點在於新的資料和已分類的資料互相比較，看看新資料在分類過的資料中，和哪一類資料比較類似。

C、 分類問題就是一群資料中沒有明確的分類或群體.而是必須透過它們所具有的特

用AI解決問題的步驟裡，哪一個步驟最重要？

A、 收集歷史資料

B、 把問題化成函數的形式

C、 先問一個問題

D、 學習（訓練）

E、 打造一個函數學習機

關於神經網路的敘述何者錯誤？

A、 傳統的神經網路是指全連結神經網路

B、 全連結神經網路也叫標準神經網路

C、 標準神經網路通常稱為NN（neural network）

D、 全連結神經網路的每個神經元都會跟前後層的神經元相連

E、 每個神經元內部的計算架構都不一樣

關於神經網路的敘述何者錯誤？

A、 通常每個神經元的連線權重值 (weight) 都不一樣.但偏值 (bias) 都一樣

B、 為了讓所有的神經元都能被激發會加上一個偏值（bias）做為調整

C、 激活函數會把每個神經元的真正輸出控制在0到1之間

D、 神經網路可以調整的參數是代表權重的 w1. w2, 和代表偏值的 b1, b2,

E、 神經網路的激活函數一定是非線性函數

關於神經網路的學習原理敘述何者錯誤？

A、 損失函數是對每個輸入的預測值與真實值的差異計算總和

B、 透過梯度下降一定可以找到降低損失函數的最佳解

C、 損失函數的變數是可以調整的參數

D、 訓練神經網路是透過參數的調整來降低損失函數

E、 梯度下降是降低損失函數的一種演算法

關於神經網路的學習原理敘述何者正確？

A、 神經網路調整參數的方式是一種前饋神經網路（Feedforward Neural Network）

B、 學習率在迭代的參數調整過程中會固定不變

C、 梯度下降是運用積分的技巧來達成

D、 損失函數移動的方向跟梯度的方向相同

E、 神經網路調整參數的順序是從後面一層層往前調

何者是圖像識別的天王？

A、 RNN

B、 CNN

C、 FCNN

D、 LSTM

E、 GAN