高職第三學(xué)年（人工智能技術(shù)應(yīng)用）機(jī)器學(xué)習(xí)基礎(chǔ)2026年綜合測(cè)試題

（考試時(shí)間：90分鐘滿分100分）班級(jí)______姓名______一、選擇題（總共10題，每題3分，每題只有一個(gè)正確答案，請(qǐng)將正確答案填入括號(hào)內(nèi)）1.題目：以下關(guān)于機(jī)器學(xué)習(xí)中監(jiān)督學(xué)習(xí)的說法，正確的是（）A.監(jiān)督學(xué)習(xí)不需要給定訓(xùn)練數(shù)據(jù)的標(biāo)簽B.監(jiān)督學(xué)習(xí)的目標(biāo)是讓模型學(xué)習(xí)數(shù)據(jù)中的特征分布C.監(jiān)督學(xué)習(xí)主要包括分類和回歸任務(wù)D.監(jiān)督學(xué)習(xí)不能用于預(yù)測(cè)問題2.題目：在決策樹中，信息增益的作用是（）A.衡量劃分?jǐn)?shù)據(jù)集后純度的提升B.決定樹的深度C.評(píng)估模型的泛化能力D.確定葉子節(jié)點(diǎn)的類別3.題目：下列哪種算法不屬于基于距離度量的聚類算法（）A.K-Means算法B.DBSCAN算法C.層次聚類算法D.樸素貝葉斯算法4.題目：對(duì)于線性回歸模型，以下說法錯(cuò)誤的是（）A.線性回歸模型的目標(biāo)是找到一條直線來擬合數(shù)據(jù)B.線性回歸模型可以處理非線性關(guān)系C.最小二乘法是求解線性回歸模型參數(shù)的常用方法D.R平方值越大，說明模型擬合效果越好5.題目：在支持向量機(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.計(jì)算數(shù)據(jù)點(diǎn)之間的距離C.確定支持向量的數(shù)量D.對(duì)數(shù)據(jù)進(jìn)行歸一化處理6.題目：以下關(guān)于神經(jīng)網(wǎng)絡(luò)的說法，錯(cuò)誤的是（）A.神經(jīng)網(wǎng)絡(luò)由多個(gè)神經(jīng)元組成B.神經(jīng)元之間通過權(quán)重連接C..神經(jīng)網(wǎng)絡(luò)只能處理線性問題D.反向傳播算法用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)7.題目：在深度學(xué)習(xí)中，卷積神經(jīng)網(wǎng)絡(luò)（CNN）主要用于（）A.圖像識(shí)別B.自然語言處理C.推薦系統(tǒng)D.強(qiáng)化學(xué)習(xí)8.題目：下列哪個(gè)指標(biāo)可以用來評(píng)估分類模型的性能（）A.均方誤差B.準(zhǔn)確率C.召回率D.F1值9.題目：在機(jī)器學(xué)習(xí)中，交叉驗(yàn)證的主要目的是（）A.提高模型的訓(xùn)練速度B.評(píng)估模型的泛化能力C.減少數(shù)據(jù)量D.確定模型的超參數(shù)10.題目：以下哪種方法可以用于處理機(jī)器學(xué)習(xí)中的過擬合問題（）A.增加訓(xùn)練數(shù)據(jù)B.減少模型復(fù)雜度C.提高學(xué)習(xí)率D.增加特征數(shù)量二、多項(xiàng)選擇題（總共５題，每題5分，每題有兩個(gè)或以上正確答案，請(qǐng)將正確答案填入括號(hào)內(nèi)）1.題目：以下屬于機(jī)器學(xué)習(xí)中無監(jiān)督學(xué)習(xí)算法的有（）A.主成分分析（PCA）B.支持向量機(jī)（SVM）C.聚類算法（如K-Means）D.決策樹算法2.題目：在決策樹構(gòu)建過程中，可能會(huì)用到的分裂準(zhǔn)則有（）A.信息增益B.信息增益率C.基尼指數(shù)D.均方誤差3.題目：對(duì)于K-Means聚類算法，以下說法正確的是（）A.需要事先指定聚類的類別數(shù)KB.初始聚類中心的選擇會(huì)影響聚類結(jié)果C.算法收斂后，聚類中心不再變化D.適用于處理具有球形分布的數(shù)據(jù)4.題目：在評(píng)估回歸模型時(shí)，可以使用的指標(biāo)有（）A.平均絕對(duì)誤差（MAE）B.均方誤差（MSE）C.決定系數(shù)（R平方）D.準(zhǔn)確率5.題目：以下哪些是深度學(xué)習(xí)中常用的優(yōu)化器（）A.隨機(jī)梯度下降（SGD）B.自適應(yīng)矩估計(jì)（Adam）C.帶動(dòng)量的隨機(jī)梯度下降（SGDwithMomentum）D.牛頓法三、判斷題（總共10題，每題2分，請(qǐng)判斷對(duì)錯(cuò)，對(duì)的打“√”，錯(cuò)的打“×”）1.題目：機(jī)器學(xué)習(xí)就是讓計(jì)算機(jī)自動(dòng)從數(shù)據(jù)中學(xué)習(xí)模式和規(guī)律。（）2.題目：監(jiān)督學(xué)習(xí)中的訓(xùn)練數(shù)據(jù)必須包含所有可能出現(xiàn)的情況。（）3.題目：決策樹的深度越大，模型的泛化能力越強(qiáng)。（）4.題目：K-Means聚類算法的聚類結(jié)果與初始聚類中心的選擇無關(guān)。（）5.題目：線性回歸模型只能用于預(yù)測(cè)連續(xù)型變量。（）6.題目：支持向量機(jī)中的最優(yōu)分類超平面一定能將所有數(shù)據(jù)點(diǎn)正確分類。（）7.題目：神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元越多，模型的性能就越好。（）8.題目：在深度學(xué)習(xí)中，卷積層的主要作用是提取數(shù)據(jù)的特征。（）9.題目：分類模型的準(zhǔn)確率越高，召回率也一定越高。（）10.題目：交叉驗(yàn)證中，K折交叉驗(yàn)證的K值越大，模型評(píng)估的穩(wěn)定性越好。（）四、簡(jiǎn)答題（總共3題，每題10分）1.題目：請(qǐng)簡(jiǎn)要介紹一下機(jī)器學(xué)習(xí)中的分類算法，并說明它們的優(yōu)缺點(diǎn)。2.題目：解釋一下什么是模型的過擬合和欠擬合，并分別說明如何解決這兩個(gè)問題。3.題目：在處理文本數(shù)據(jù)時(shí)，常用的機(jī)器學(xué)習(xí)方法有哪些？請(qǐng)舉例說明。五、綜合題（總共2題，每題15分）1.題目：假設(shè)你有一個(gè)數(shù)據(jù)集，包含多個(gè)特征和一個(gè)目標(biāo)變量。請(qǐng)?jiān)O(shè)計(jì)一個(gè)完整的機(jī)器學(xué)習(xí)流程，包括數(shù)據(jù)預(yù)處理、模型選擇、訓(xùn)練和評(píng)估，以預(yù)測(cè)目標(biāo)變量的值。2.題目：請(qǐng)描述一下卷積神經(jīng)網(wǎng)絡(luò)（CNN）的結(jié)構(gòu)和工作原理，并說明它在圖像識(shí)別中的優(yōu)勢(shì)。答案1.選擇題答案:1.C2.A3.D4.B5.A6.C7.A8.BCD9.B10.B2.多項(xiàng)選擇題答案:1.AC2.ABC3.ABD4.ABC5.ABC3.判斷題答案:1.√2.×3.×4.×5.√6.×7.×8.√9.×10.√4.簡(jiǎn)答題答案：(1)分類算法有決策樹、支持向量機(jī)、樸素貝葉斯等。決策樹易理解但易過擬合；支持向量機(jī)對(duì)小數(shù)據(jù)和高維數(shù)據(jù)效果好但計(jì)算復(fù)雜；樸素貝葉斯簡(jiǎn)單高效但對(duì)特征獨(dú)立性要求高。(2)過擬合是模型在訓(xùn)練集上表現(xiàn)好但在測(cè)試集上差，可通過減少特征、簡(jiǎn)化模型、正則化等解決。欠擬合是模型在訓(xùn)練集和測(cè)試集上表現(xiàn)都差，可增加數(shù)據(jù)、增加特征、換更復(fù)雜模型解決。(3)常用方法有樸素貝葉斯用于文本分類；支持向量機(jī)可處理文本數(shù)據(jù)；神經(jīng)網(wǎng)絡(luò)如循環(huán)神經(jīng)網(wǎng)絡(luò)用于處理序列文本。5.綜合題答案：(1)數(shù)據(jù)預(yù)處理包括清洗