2025年大學(xué)《信息與計算科學(xué)》專業(yè)題庫——信息與計算科學(xué)的機(jī)器學(xué)習(xí)算法考試時間：______分鐘總分：______分姓名：______一、選擇題1.下列哪一項不屬于機(jī)器學(xué)習(xí)的常見學(xué)習(xí)范式？A.監(jiān)督學(xué)習(xí)B.無監(jiān)督學(xué)習(xí)C.強(qiáng)化學(xué)習(xí)D.混合學(xué)習(xí)2.在評估一個分類模型時，如果希望盡可能減少誤報，應(yīng)優(yōu)先關(guān)注哪個評估指標(biāo)？A.精確率(Precision)B.召回率(Recall)C.F1分?jǐn)?shù)(F1-Score)D.準(zhǔn)確率(Accuracy)3.線性回歸模型主要用于解決以下哪種類型的問題？A.分類問題B.聚類問題C.回歸問題D.降維問題4.邏輯回歸模型輸出結(jié)果的含義通常是？A.連續(xù)值預(yù)測B.類別概率C.聚類中心D.降維后的特征5.K近鄰(KNN)算法在尋找最近鄰時，通常使用的距離度量是？A.均值絕對偏差(MAD)B.決定系數(shù)(R-squared)C.歐氏距離(EuclideanDistance)D.相關(guān)系數(shù)(CorrelationCoefficient)6.支持向量機(jī)(SVM)算法通過最大化什么來尋找最優(yōu)分類超平面？A.模型復(fù)雜度B.分類錯誤率C.數(shù)據(jù)點(diǎn)到超平面的最小距離（間隔）D.特征方差7.對于高維數(shù)據(jù)，可能導(dǎo)致“維度災(zāi)難”并影響算法性能，常用的無監(jiān)督降維方法是？A.聚類分析B.主成分分析(PCA)C.邏輯回歸D.K近鄰算法8.K-Means聚類算法在運(yùn)行過程中，每個數(shù)據(jù)點(diǎn)所屬的簇可能會發(fā)生變化的情況出現(xiàn)在？A.初始化步驟之后B.計算新的簇中心后C.所有數(shù)據(jù)點(diǎn)距離所有簇中心均最遠(yuǎn)時D.聚類結(jié)果達(dá)到預(yù)設(shè)迭代次數(shù)或穩(wěn)定時9.在機(jī)器學(xué)習(xí)中，過擬合現(xiàn)象指的是？A.模型過于簡單，無法捕捉數(shù)據(jù)中的模式B.模型過于復(fù)雜，不僅擬合了數(shù)據(jù)中的噪聲，也擬合了潛在模式C.訓(xùn)練數(shù)據(jù)量不足D.模型在訓(xùn)練集上的表現(xiàn)差，但在測試集上表現(xiàn)好10.簡單地說，交叉驗證（如K折交叉驗證）的主要目的是？A.提高模型的并行計算效率B.減少模型訓(xùn)練所需的時間C.更可靠地評估模型的泛化能力，并用于模型選擇或超參數(shù)調(diào)優(yōu)D.對數(shù)據(jù)進(jìn)行重采樣二、填空題1.機(jī)器學(xué)習(xí)的目標(biāo)是通過從數(shù)據(jù)中學(xué)習(xí)，構(gòu)建能夠?qū)π聰?shù)據(jù)做出______或預(yù)測的模型。2.在邏輯回歸中，模型輸出通常使用Sigmoid函數(shù)將其映射到______區(qū)間，表示樣本屬于正類的概率。3.SVM可以通過引入______項來處理非線性可分問題，使得數(shù)據(jù)能夠映射到更高維的空間。4.K-Means算法屬于一種基于______的聚類方法，其目標(biāo)是使同一簇內(nèi)的數(shù)據(jù)點(diǎn)間距離最小，不同簇間距離最大。5.評估分類模型性能時，混淆矩陣是一個重要的工具，它將真實類別和預(yù)測類別分為______、______、______、______四個象限。6.當(dāng)數(shù)據(jù)特征數(shù)量非常多時，可能會導(dǎo)致模型訓(xùn)練困難且效果不佳，這種現(xiàn)象有時被稱為“______”。7.降維技術(shù)不僅可以減少數(shù)據(jù)存儲量，加速計算，有時也能______模型的過擬合風(fēng)險。8.在監(jiān)督學(xué)習(xí)中，如果目標(biāo)變量是連續(xù)值，則對應(yīng)的學(xué)習(xí)問題稱為______問題；如果目標(biāo)變量是離散類別，則稱為______問題。9.為了防止模型在訓(xùn)練數(shù)據(jù)上過度擬合，常用的正則化方法包括Lasso（L1范數(shù)）和______（L2范數(shù)）。10.在進(jìn)行模型選擇時，過擬合意味著模型在______數(shù)據(jù)上的表現(xiàn)可能優(yōu)于在______數(shù)據(jù)上的表現(xiàn)。三、簡答題1.簡述監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)的主要區(qū)別。2.解釋過擬合和欠擬合的概念，并簡要說明如何診斷一個模型是過擬合還是欠擬合。3.簡要說明交叉驗證（如K折交叉驗證）的基本思想及其主要優(yōu)點(diǎn)。四、計算題1.假設(shè)有一個簡單的線性回歸問題，使用最小二乘法得到模型參數(shù)估計值為θ?=1,θ?=2。請計算當(dāng)輸入特征x=3時，模型的預(yù)測輸出y?。2.假設(shè)對某數(shù)據(jù)集應(yīng)用K-Means算法進(jìn)行聚類，設(shè)置簇的數(shù)量K=3。經(jīng)過一次迭代后，得到三個簇的中心點(diǎn)分別為C?=(1,2),C?=(5,5),C?=(3,8)。現(xiàn)在有一個新的數(shù)據(jù)點(diǎn)P=(4,5)。請計算該數(shù)據(jù)點(diǎn)P到三個簇中心點(diǎn)C?,C?,C?的歐氏距離，并說明按照距離最近的原則，P應(yīng)該被分配到哪個簇。五、綜合應(yīng)用題假設(shè)你正在研究一個信息與計算科學(xué)領(lǐng)域的文本分類問題，目標(biāo)是根據(jù)郵件內(nèi)容判斷其為“垃圾郵件”或“非垃圾郵件”。請簡述你會考慮使用哪些機(jī)器學(xué)習(xí)算法（至少兩種）來構(gòu)建分類模型？對于所選算法，請分別說明至少一個關(guān)鍵參數(shù)的作用，并簡要說明你會如何評估所構(gòu)建模型的性能是否良好。試卷答案一、選擇題1.D2.B3.C4.B5.C6.C7.B8.B9.B10.C二、填空題1.預(yù)測2.(0,1)3.核(Kernel)4.距離(Distance)5.真實正類(TP),真實負(fù)類(FN),預(yù)測正類(FP),預(yù)測負(fù)類(TN)6.維度災(zāi)難(CurseofDimensionality)7.降低(Reduce)8.回歸(Regression),分類(Classification)9.Ridge10.訓(xùn)練(Training),測試(Testing)三、簡答題1.解析思路：監(jiān)督學(xué)習(xí)使用帶有標(biāo)簽（輸入-輸出對）的數(shù)據(jù)進(jìn)行訓(xùn)練，目標(biāo)是學(xué)習(xí)一個從輸入到輸出的映射函數(shù)，能夠預(yù)測新輸入的輸出。無監(jiān)督學(xué)習(xí)則使用沒有標(biāo)簽的數(shù)據(jù)，目標(biāo)是發(fā)現(xiàn)數(shù)據(jù)內(nèi)在的結(jié)構(gòu)或模式，如聚類或降維。2.解析思路：過擬合是指模型學(xué)習(xí)到了訓(xùn)練數(shù)據(jù)中的噪聲和細(xì)節(jié)，導(dǎo)致在訓(xùn)練數(shù)據(jù)上表現(xiàn)很好，但在未見過的測試數(shù)據(jù)上表現(xiàn)差。欠擬合是指模型過于簡單，未能捕捉到數(shù)據(jù)中的主要模式，導(dǎo)致在訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)上都表現(xiàn)不佳。診斷：通常觀察模型在訓(xùn)練集和驗證集（或測試集）上的性能。如果訓(xùn)練集性能好，但驗證集性能差，則傾向于過擬合；如果兩者性能都不好，則傾向于欠擬合。3.解析思路：交叉驗證將原始數(shù)據(jù)集分成K個大小相等的子集。輪流使用K-1個子集作為訓(xùn)練集，剩下的1個子集作為測試集。重復(fù)K次，每次選擇不同的子集作為測試集。最終模型性能是K次評估結(jié)果的平均值。優(yōu)點(diǎn)：比留出法（Hold-outmethod）更充分利用數(shù)據(jù)，減少了評估結(jié)果的方差，能更可靠地估計模型在未知數(shù)據(jù)上的泛化能力，并可用于模型選擇或超參數(shù)調(diào)優(yōu)。四、計算題1.解析思路：線性回歸模型形式為y?=θ?+θ?x。將給定的參數(shù)θ?=1,θ?=2和x=3代入模型公式即可計算得到預(yù)測值。解：y?=1+2*3=1+6=7。2.解析思路：計算新數(shù)據(jù)點(diǎn)P到每個簇中心C?的歐氏距離d(P,C?)=√[(x?-x<0xE2><0x82><0x90>)2+(y?-y<0xE2><0x82><0x90>)2]，其中(x<0xE2><0x82><0x90>,y<0xE2><0x82><0x90>)是點(diǎn)P的坐標(biāo)，(x?,y?)是簇中心C?的坐標(biāo)。比較計算出的三個距離，選擇距離最小者對應(yīng)的簇作為P的歸屬簇。解：d(P,C?)=√[(4-1)2+(5-2)2]=√[32+32]=√[9+9]=√18d(P,C?)=√[(4-5)2+(5-5)2]=√[(-1)2+02]=√[1+0]=√1=1d(P,C?)=√[(4-3)2+(5-8)2]=√[12+(-3)2]=√[1+9]=√10比較距離：√1=1<√10<√18。因此，P到C?的距離最短。答案：按照距離最近的原則，數(shù)據(jù)點(diǎn)P應(yīng)該被分配到簇C?。五、綜合應(yīng)用題解析思路：針對文本分類問題（垃圾郵件檢測），需要選擇適合處理離散特征（文本）的分類算法。常見的算法包括樸素貝葉斯、支持向量機(jī)（SVM）、決策樹及其集成方法（如隨機(jī)森林、梯度提升樹）。需要說明至少兩種算法，并為每種算法說明一個關(guān)鍵參數(shù)及其作用。評估模型性能需要考慮分類任務(wù)常用的指標(biāo)，如準(zhǔn)確率、精確率、召回率、F1分?jǐn)?shù)，并說明使用這些指標(biāo)的原因（例如，垃圾郵件檢測可能更關(guān)注召回率以減少漏檢）?？梢蕴峒笆褂媒徊骝炞C來評估模型。答案要點(diǎn)：1.考慮使用的算法：a.樸素貝葉斯分類器：適用于文本分類，計算簡單高效。b.支持向量機(jī)(SVM)：能有效處理高維稀疏數(shù)據(jù)，對非線性問題有較好表現(xiàn)。c.決策樹或隨機(jī)森林：能處理混合類型特征，提供決策規(guī)則解釋。2.關(guān)鍵參數(shù)及其作用：a.樸素貝葉斯：特征獨(dú)立性假設(shè)。該假設(shè)簡化了計算，但可能影響精度。b.SVM：正則化參數(shù)C。控制模型對訓(xùn)練錯誤的容忍度，C值越大模型越傾向于擬合訓(xùn)練數(shù)據(jù)（可能導(dǎo)致過擬合），C值越小模型越寬松（可能導(dǎo)致欠擬合）。c.決策樹：樹的最大深度。限制樹的深度可以防止過擬合，促進(jìn)模型泛化。d.隨機(jī)森林：樹的數(shù)量。樹的數(shù)量越多，模型通常越穩(wěn)定，預(yù)測性能越好，但計算成本也越高。3.模型