勘探工地質(zhì)項(xiàng)目機(jī)器學(xué)習(xí)考試試卷一、選擇題（每題2分，共40分）1.以下哪種算法不屬于監(jiān)督學(xué)習(xí)算法？（）A.決策樹(shù)B.聚類(lèi)算法C.線性回歸D.邏輯回歸2.在機(jī)器學(xué)習(xí)中，用于評(píng)估分類(lèi)模型性能的指標(biāo)不包括（）A.準(zhǔn)確率B.召回率C.均方誤差D.F1值3.下列關(guān)于數(shù)據(jù)預(yù)處理的說(shuō)法錯(cuò)誤的是（）A.數(shù)據(jù)清洗可以去除噪聲和缺失值B.數(shù)據(jù)標(biāo)準(zhǔn)化可以使數(shù)據(jù)具有相同的尺度C.獨(dú)熱編碼適用于連續(xù)型變量D.數(shù)據(jù)采樣可用于處理數(shù)據(jù)不均衡問(wèn)題4.神經(jīng)網(wǎng)絡(luò)中，激活函數(shù)的作用是（）A.加快模型收斂速度B.增加模型的非線性能力C.減少模型參數(shù)數(shù)量D.提高模型的泛化能力5.梯度下降算法中，步長(zhǎng)（學(xué)習(xí)率）的作用是（）A.決定每次參數(shù)更新的方向B.決定每次參數(shù)更新的幅度C.決定梯度計(jì)算的方式D.決定模型訓(xùn)練的輪數(shù)6.以下哪種機(jī)器學(xué)習(xí)模型不需要進(jìn)行訓(xùn)練（）A.K近鄰算法B.支持向量機(jī)C.樸素貝葉斯D.主成分分析7.在決策樹(shù)算法中，常用的劃分屬性的準(zhǔn)則不包括（）A.信息增益B.信息增益比C.基尼指數(shù)D.均方誤差8.下列關(guān)于過(guò)擬合的說(shuō)法正確的是（）A.過(guò)擬合時(shí)模型在訓(xùn)練集和測(cè)試集上的表現(xiàn)都很好B.增加數(shù)據(jù)量可以有效避免過(guò)擬合C.過(guò)擬合是因?yàn)槟Ｐ蛷?fù)雜度太低D.正則化不能解決過(guò)擬合問(wèn)題9.對(duì)于線性回歸模型，損失函數(shù)通常選用（）A.交叉熵?fù)p失B.平方損失C.絕對(duì)值損失D.Hinge損失10.在K均值聚類(lèi)算法中，K的含義是（）A.數(shù)據(jù)點(diǎn)的數(shù)量B.聚類(lèi)的輪數(shù)C.聚類(lèi)的類(lèi)別數(shù)D.迭代的次數(shù)11.支持向量機(jī)中，核函數(shù)的作用是（）A.將低維數(shù)據(jù)映射到高維空間B.降低模型的復(fù)雜度C.減少數(shù)據(jù)的維度D.提高模型的訓(xùn)練速度12.以下哪種算法常用于降維（）A.邏輯回歸B.主成分分析C.決策樹(shù)D.隨機(jī)森林13.隨機(jī)森林是基于（）算法構(gòu)建的集成學(xué)習(xí)模型。A.決策樹(shù)B.支持向量機(jī)C.神經(jīng)網(wǎng)絡(luò)D.樸素貝葉斯14.在機(jī)器學(xué)習(xí)中，交叉驗(yàn)證的主要目的是（）A.選擇最優(yōu)模型參數(shù)B.評(píng)估模型的泛化能力C.加快模型訓(xùn)練速度D.減少模型的過(guò)擬合15.以下哪種數(shù)據(jù)類(lèi)型不適合作為機(jī)器學(xué)習(xí)的輸入（）A.數(shù)值型B.文本型C.圖像型D.音頻型以外的其他復(fù)雜數(shù)據(jù)結(jié)構(gòu)（無(wú)特征提取和轉(zhuǎn)換）16.下列關(guān)于模型評(píng)估指標(biāo)ROC曲線的說(shuō)法，錯(cuò)誤的是（）A.ROC曲線橫坐標(biāo)為假陽(yáng)性率，縱坐標(biāo)為真陽(yáng)性率B.ROC曲線下面積越大，模型性能越好C.ROC曲線可以用于多分類(lèi)問(wèn)題D.閾值的變化會(huì)影響ROC曲線的形狀17.梯度提升算法中，新的弱學(xué)習(xí)器是擬合（）A.原始數(shù)據(jù)B.上一輪迭代的預(yù)測(cè)結(jié)果C.上一輪迭代的殘差D.所有弱學(xué)習(xí)器的加權(quán)和18.在深度學(xué)習(xí)中，反向傳播算法的作用是（）A.計(jì)算前向傳播的結(jié)果B.計(jì)算梯度并更新參數(shù)C.初始化模型參數(shù)D.選擇合適的激活函數(shù)19.以下哪種優(yōu)化器不屬于自適應(yīng)學(xué)習(xí)率優(yōu)化器（）A.SGDB.AdagradC.AdadeltaD.Adam20.下列關(guān)于模型部署的說(shuō)法正確的是（）A.模型部署只能在本地服務(wù)器進(jìn)行B.模型部署不需要考慮性能優(yōu)化C.模型部署后不能再進(jìn)行更新D.模型部署需要將訓(xùn)練好的模型轉(zhuǎn)化為可運(yùn)行的形式二、判斷題（每題1分，共10分）1.無(wú)監(jiān)督學(xué)習(xí)不需要標(biāo)注數(shù)據(jù)。（）2.數(shù)據(jù)的缺失值一定會(huì)影響模型的性能。（）3.所有的機(jī)器學(xué)習(xí)模型都需要進(jìn)行調(diào)參。（）4.深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支。（）5.線性回歸模型只能處理線性關(guān)系的數(shù)據(jù)。（）6.聚類(lèi)算法屬于有監(jiān)督學(xué)習(xí)。（）7.模型的準(zhǔn)確率越高，說(shuō)明模型性能越好。（）8.過(guò)擬合的模型在新數(shù)據(jù)上的表現(xiàn)通常較差。（）9.支持向量機(jī)只能用于二分類(lèi)問(wèn)題。（）10.主成分分析可以保留數(shù)據(jù)的所有信息。（）三、填空題（每題2分，共20分）1.機(jī)器學(xué)習(xí)主要分為監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)和（）。2.決策樹(shù)中，信息增益是指（）與特征條件熵之差。3.在數(shù)據(jù)預(yù)處理中，將數(shù)據(jù)映射到[0,1]區(qū)間的方法稱(chēng)為（）。4.神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元之間的連接權(quán)重通過(guò)（）算法進(jìn)行更新。5.常用的聚類(lèi)算法除了K均值聚類(lèi)，還有（）等。6.評(píng)估回歸模型性能的指標(biāo)有均方誤差、平均絕對(duì)誤差和（）等。7.隨機(jī)森林中，通過(guò)對(duì)樣本和特征進(jìn)行（），提高模型的多樣性。8.在深度學(xué)習(xí)中，卷積神經(jīng)網(wǎng)絡(luò)主要用于處理（）數(shù)據(jù)。9.邏輯回歸模型的輸出值范圍是（）。10.模型選擇時(shí)，常用的模型比較方法有（）和貝葉斯信息準(zhǔn)則等。四、簡(jiǎn)答題（每題10分，共30分）1.簡(jiǎn)述監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)的區(qū)別。答案：監(jiān)督學(xué)習(xí)有標(biāo)注數(shù)據(jù)，輸入特征和對(duì)應(yīng)的輸出標(biāo)簽已知，目標(biāo)是學(xué)習(xí)輸入到輸出的映射關(guān)系，用于預(yù)測(cè)等任務(wù)，如線性回歸、邏輯回歸。無(wú)監(jiān)督學(xué)習(xí)只有輸入數(shù)據(jù)，無(wú)標(biāo)注，旨在發(fā)現(xiàn)數(shù)據(jù)中的內(nèi)在結(jié)構(gòu)和規(guī)律，如聚類(lèi)、降維等，像K均值聚類(lèi)、主成分分析。2.解釋過(guò)擬合和欠擬合的概念，并說(shuō)明如何解決過(guò)擬合問(wèn)題。答案：過(guò)擬合是模型對(duì)訓(xùn)練數(shù)據(jù)學(xué)習(xí)過(guò)度，在訓(xùn)練集上表現(xiàn)好但在測(cè)試集上差；欠擬合是模型復(fù)雜度低，對(duì)數(shù)據(jù)特征學(xué)習(xí)不足，在訓(xùn)練集和測(cè)試集上表現(xiàn)都不佳。解決過(guò)擬合方法有：增加數(shù)據(jù)量、正則化、早停、降低模型復(fù)雜度、交叉驗(yàn)證等。3.簡(jiǎn)述支持向量機(jī)的基本原理。答案：支持向量機(jī)旨在找到一個(gè)超平面，能最大間隔地分開(kāi)不同類(lèi)別的數(shù)據(jù)點(diǎn)。對(duì)于線性可分?jǐn)?shù)據(jù)，直接尋找最優(yōu)超平面；對(duì)于線性不可分?jǐn)?shù)據(jù)，通過(guò)核函數(shù)將數(shù)據(jù)映射到高維空間使其線性可分，再找超平面。支持向量是離超平面最近的數(shù)據(jù)點(diǎn)，決定了超平面的位置。答案一、選擇題1.B2.C3.C4.B5.B6.D7.D8.B9.B10.C11.A12.B13.A14.B15.D16.C17.C1