2025年大學(xué)《信息與計(jì)算科學(xué)》專業(yè)題庫(kù)——智能算法與數(shù)據(jù)分析的方法探索考試時(shí)間：______分鐘總分：______分姓名：______一、簡(jiǎn)述機(jī)器學(xué)習(xí)中過(guò)擬合和欠擬合現(xiàn)象的區(qū)別，并分別說(shuō)明可能導(dǎo)致這兩種現(xiàn)象的原因。二、在數(shù)據(jù)預(yù)處理階段，缺失值處理有哪些常見(jiàn)方法？請(qǐng)比較熱卡插值法和隨機(jī)抽樣填補(bǔ)法的優(yōu)缺點(diǎn)。三、比較決策樹算法和K近鄰算法在分類任務(wù)上的主要異同點(diǎn)，并分析各自適用于哪些類型的數(shù)據(jù)或場(chǎng)景。四、描述數(shù)據(jù)探索性分析（EDA）的主要目的和常用方法。在EDA過(guò)程中，可視化手段起到了什么作用？五、特征工程是機(jī)器學(xué)習(xí)中的重要環(huán)節(jié)。請(qǐng)列舉至少三種特征工程的技術(shù)方法，并簡(jiǎn)要說(shuō)明其基本思想。六、假設(shè)你需要構(gòu)建一個(gè)預(yù)測(cè)用戶購(gòu)買行為的模型。請(qǐng)簡(jiǎn)述你會(huì)經(jīng)歷的典型數(shù)據(jù)分析流程，包括關(guān)鍵步驟和需要考慮的問(wèn)題。七、以支持向量機(jī)（SVM）為例，解釋什么是核方法，并說(shuō)明其在處理非線性可分問(wèn)題時(shí)的作用原理。八、論述交叉驗(yàn)證（Cross-Validation）在模型評(píng)估中的重要性，并比較留一法交叉驗(yàn)證（LOOCV）和K折交叉驗(yàn)證（K-FoldCV）的優(yōu)缺點(diǎn)。九、描述監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的基本概念和主要區(qū)別。分別舉例說(shuō)明這三種學(xué)習(xí)范式可以解決哪些類型的問(wèn)題。十、假設(shè)你使用Python的Scikit-learn庫(kù)實(shí)現(xiàn)了一個(gè)K-Means聚類模型，并得到了聚類結(jié)果。請(qǐng)簡(jiǎn)述你會(huì)采用哪些方法來(lái)評(píng)估該聚類結(jié)果的質(zhì)心，并判斷聚類是否有效。試卷答案一、過(guò)擬合指模型在訓(xùn)練數(shù)據(jù)上表現(xiàn)非常好，但在未見(jiàn)過(guò)的新數(shù)據(jù)上表現(xiàn)很差的現(xiàn)象；欠擬合指模型在訓(xùn)練數(shù)據(jù)上就表現(xiàn)不佳，無(wú)法捕捉到數(shù)據(jù)中的基本模式的現(xiàn)象。過(guò)擬合可能由于模型復(fù)雜度過(guò)高、訓(xùn)練數(shù)據(jù)量不足或噪聲干擾導(dǎo)致；欠擬合可能由于模型過(guò)于簡(jiǎn)單、特征不足或訓(xùn)練不足導(dǎo)致。二、常見(jiàn)方法有：熱卡插值法（如均值、中位數(shù)、眾數(shù)插值）、隨機(jī)抽樣填補(bǔ)法、回歸填充法、K近鄰填充法等。熱卡插值法簡(jiǎn)單易行，但可能引入偏差（如均值插值會(huì)扭曲分布）；隨機(jī)抽樣填補(bǔ)法保留了缺失機(jī)制，但可能導(dǎo)致樣本不獨(dú)立；其他方法如回歸或K近鄰能利用數(shù)據(jù)關(guān)系進(jìn)行填充，效果可能更好，但計(jì)算復(fù)雜度較高。三、相同點(diǎn)：都是常用的分類算法，都是非參數(shù)方法，都能處理多分類問(wèn)題。不同點(diǎn)：決策樹基于樹形結(jié)構(gòu)，通過(guò)節(jié)點(diǎn)劃分進(jìn)行決策，易于理解和解釋，但對(duì)噪聲敏感，容易過(guò)擬合；K近鄰基于距離度量，通過(guò)鄰近樣本的多數(shù)投票或平均值進(jìn)行預(yù)測(cè)，原理簡(jiǎn)單，泛化能力通常優(yōu)于決策樹，但計(jì)算復(fù)雜度隨數(shù)據(jù)量增大而增加，且結(jié)果可能受距離度量影響。決策樹適用于特征有明顯層次關(guān)系的數(shù)據(jù)，K近鄰適用于特征空間分布較規(guī)則的數(shù)據(jù)。四、EDA的主要目的是通過(guò)探索性統(tǒng)計(jì)分析和可視化手段，快速了解數(shù)據(jù)的結(jié)構(gòu)、分布、異常值、變量間關(guān)系等，為后續(xù)的數(shù)據(jù)處理和模型構(gòu)建提供依據(jù)。可視化手段能夠直觀展示數(shù)據(jù)的模式、趨勢(shì)和關(guān)聯(lián)性，幫助發(fā)現(xiàn)隱藏的特征，溝通分析結(jié)果，是EDA中不可或缺的部分。五、特征工程的技術(shù)方法包括：特征選擇（如過(guò)濾法、包裹法、嵌入式方法）用于選擇最有影響力的特征；特征構(gòu)造/轉(zhuǎn)換（如多項(xiàng)式特征、交互特征）用于創(chuàng)建新的、更有預(yù)測(cè)能力的特征；特征編碼（如獨(dú)熱編碼、標(biāo)簽編碼）用于處理類別特征；特征縮放（如標(biāo)準(zhǔn)化、歸一化）用于統(tǒng)一不同特征的尺度。其基本思想是通過(guò)對(duì)原始數(shù)據(jù)進(jìn)行轉(zhuǎn)換、組合、選擇等操作，提升特征的質(zhì)量和模型的表現(xiàn)力。六、典型數(shù)據(jù)分析流程：1.數(shù)據(jù)獲取與整理：收集數(shù)據(jù)，進(jìn)行清洗（處理缺失值、異常值）和格式轉(zhuǎn)換；2.數(shù)據(jù)探索性分析：通過(guò)統(tǒng)計(jì)描述和可視化，理解數(shù)據(jù)分布、變量關(guān)系和潛在模式；3.特征工程：選擇、構(gòu)建或轉(zhuǎn)換特征，提高數(shù)據(jù)質(zhì)量和模型性能；4.模型選擇與訓(xùn)練：根據(jù)問(wèn)題類型選擇合適的模型（如回歸、分類），使用訓(xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練；5.模型評(píng)估：使用驗(yàn)證數(shù)據(jù)集評(píng)估模型性能（如準(zhǔn)確率、AUC等），調(diào)整參數(shù)；6.模型部署與應(yīng)用：將訓(xùn)練好的模型應(yīng)用于新的數(shù)據(jù)，進(jìn)行預(yù)測(cè)或決策。七、核方法是一種將原始特征空間中的非線性問(wèn)題映射到高維特征空間，使其變?yōu)榫€性可分問(wèn)題的技術(shù)。SVM是使用核方法的一種典型算法。其作用原理是：通過(guò)核函數(shù)（如高斯核、多項(xiàng)式核）計(jì)算樣本點(diǎn)在特征空間中的相似度，將樣本映射到高維空間，然后在高維空間中尋找一個(gè)最優(yōu)超平面來(lái)劃分不同類別的樣本。這使得SVM能夠有效地處理原始特征空間中線性不可分的數(shù)據(jù)。八、交叉驗(yàn)證在模型評(píng)估中的重要性在于能夠更可靠地估計(jì)模型在未見(jiàn)過(guò)數(shù)據(jù)上的泛化能力，減少因單一劃分方式導(dǎo)致的評(píng)估偏差。留一法交叉驗(yàn)證（LOOCV）每次留一個(gè)樣本作為驗(yàn)證集，重復(fù)N次，計(jì)算平均性能，適用于數(shù)據(jù)量較小的情況，但計(jì)算成本高。K折交叉驗(yàn)證（K-FoldCV）將數(shù)據(jù)隨機(jī)分成K份，輪流使用K-1份作為訓(xùn)練集，1份作為驗(yàn)證集，重復(fù)K次，計(jì)算平均性能，平衡了計(jì)算效率和評(píng)估可靠性，是更常用的方法。LOOCV評(píng)估更穩(wěn)定，K-FoldCV計(jì)算效率更高。九、監(jiān)督學(xué)習(xí)利用帶有標(biāo)簽（輸出）的訓(xùn)練數(shù)據(jù)學(xué)習(xí)輸入與輸出之間的映射關(guān)系，用于預(yù)測(cè)或分類。無(wú)監(jiān)督學(xué)習(xí)利用沒(méi)有標(biāo)簽的數(shù)據(jù)發(fā)現(xiàn)數(shù)據(jù)中的內(nèi)在結(jié)構(gòu)或模式，如聚類或降維。強(qiáng)化學(xué)習(xí)通過(guò)智能體與環(huán)境的交互，根據(jù)獲得的獎(jiǎng)勵(lì)或懲罰學(xué)習(xí)最優(yōu)策略。區(qū)別在于學(xué)習(xí)數(shù)據(jù)類型（有標(biāo)簽/無(wú)標(biāo)簽）、學(xué)習(xí)目標(biāo)（預(yù)測(cè)/發(fā)現(xiàn)結(jié)構(gòu)/學(xué)習(xí)策略）和反饋機(jī)制（明確標(biāo)簽/環(huán)境獎(jiǎng)勵(lì)/懲罰）。監(jiān)督學(xué)習(xí)解決分類、回歸問(wèn)題；無(wú)監(jiān)督學(xué)習(xí)解決聚類、降維問(wèn)題；強(qiáng)化學(xué)習(xí)解決決策控制問(wèn)題。十、評(píng)估聚類結(jié)果質(zhì)心的方法：1.內(nèi)部評(píng)估指標(biāo)：計(jì)算輪廓系數(shù)（SilhouetteCoefficient），值越接近1表示聚類效果越好；計(jì)算Davies-Bouldin指數(shù)（DBIndex），值越小表示聚類效果越好。2.外部評(píng)估指標(biāo)（若存在真實(shí)標(biāo)簽）：計(jì)算調(diào)整蘭德指數(shù)（