假设我们已经在ImageNet数据集（物体识别）上训练好了一个卷积神经网络。然后给这张卷积神经网络输入一张全白的图片。对于这个输入的输出结果为任何种类的物体的可能性都是一样的，对吗（）。

假设我们拥有一个已完成训练的、用来解决车辆检测问题的深度神经网络模型，训练所用的数据集由汽车和卡车的照片构成，而训练目标是检测出每种车辆的名称（车辆共有10种类型）。现在想要使用这个模型来解决另外一个问题，问题数据集中仅包含一种车（福特野马）而目标变为定位车辆在照片中的位置（）。

假设两个事务同时存取同一个数据集，当第一个事务完毕之前，第二个事务更新数据库，这就违反了事务的（）性，破坏了DB的一致性。

选择样本数据时，我们一般采用随机抽取的方式组成自己的训练集和测试集来使用（）

假设用户需要我们帮助他把设备加入到DataMint数据采集客户端里，我们可以询问用户的账号密码，在我们电脑上登录DataMint数据采集客户端，帮助用户把设备加进来（）

假如我们使用Lasso回归来拟合数据集，该数据集输入特征有100个（X1，X2，...，X100）。现在，我们把其中一个特征值扩大10倍（例如是特征X1），然后用相同的正则化参数对Lasso回归进行修正。那么，下列说法正确的是（）。

我们想要训练一个ML模型，样本数量有100万个，特征维度是5000，面对如此大数据，如何有效地训练模型（）。

假设目标遍历的类别非常不平衡，即主要类别占据了训练数据的99%，现在你的模型在训练集上表现为99%的准确度，那么下面说法正确的是：（）。

我们想要减少数据集中的特征数，即降维.选择以下适合的方案：（）。

以下说法正确的是（）。

利用得自格雷迪（Graddy，1995)的数据集FISH.RAW。这个数据集也曾用于第12章的计算机练习C9.现在，
利用得自格雷迪(Graddy，1995)的数据集FISH.RAW。这个数据集也曾用于第12章的计算机练习C9.现在，我们用它估计一个鱼肉需求函数。
(i)假定每个时期均衡的鱼肉需求方程可写成

所以容许需求在一周中的每一天都有所不同。把价格变量视为内生的，一致地估计需求方程参数还需要什么额外信息？
(ii)变量wave_t和wave3_t度量了过去几天的海浪高度。为了在估计需求方程时将wave2_t和wave3_t用作log(avgprc)的Ⅳ，我们还需要哪两个假定？
(ii)将log(avgprc)对周工作日虚拟变量和两个浪高指标进行回归。wave2_t和wave3_t联合显著吗？这个检验的p值是多少？
(iv)现在，用2SLS估计需求方程。需求价格弹性的95%置信区间是什么？所估计的弹性合理吗？
(v)求2SLS的残差u_t。在用2SLS估计需求方程时增加一个滞后u_t-1记住，用u_t-1作为自己的工具。需求方程误差中有AR(1)序列相关的证据吗？
(vi)给定供给方程明显取决于海浪变量，为了估计供给价格弹性，我们需要哪两个假定？
(vii)在log(avgprct)的约简型方程中，周工作日虚拟变量联合显著吗？你对能够估计供给弹性有何结论？

请帮忙给出正确答案和分析，谢谢！

本题利用BEAUTY.RAW中的数据集，它包含了哈默梅什和比德尔（HamermeshandBiddle，1994)报告变量
本题利用BEAUTY.RAW中的数据集，它包含了哈默梅什和比德尔(HamermeshandBiddle，1994)报告变量的一个子集(但比其报告回归中的观测更加有用)。
(i)分别求男女相貌在一般水平之上的比例。相貌在一般水平之上和之下的人哪个更多？
(ii)检验假设：男女相貌在一般水平之上的总体比例相同。报告女人比例更高的单侧P值。(提示：估计一个简单的线性概率模型最容易。)
(iii)现在针对男女分别估计模型

并以通常方式报告结果。在两种情形中，都解释belavg的系数。用语言解释假设H₀:β₁=0相对H₁:β₁ ＜0的含义，并分别求出P值。
(iv)有一般相貌之上的女人比相貌一般的女人工资更高的充分证据吗？请解释。
(v)对男人和女人，都增加解释变量educ，exper，experz，uion，goodhlth，black，married，south，bigcity，smllcity和service。“相貌”变量的影响有重要变化吗？

请帮忙给出正确答案和分析，谢谢！