2025年大學(xué)人工智能（機(jī)器學(xué)習(xí)基礎(chǔ)）試題及答案

（考試時(shí)間：90分鐘滿(mǎn)分100分）班級(jí)______姓名______第I卷（選擇題共30分）（總共6題，每題5分，每題只有一個(gè)正確答案，請(qǐng)將正確答案填在括號(hào)內(nèi)）w1.以下關(guān)于機(jī)器學(xué)習(xí)中監(jiān)督學(xué)習(xí)的說(shuō)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)會(huì)從輸入特征到標(biāo)簽的映射C.監(jiān)督學(xué)習(xí)只能處理分類(lèi)問(wèn)題D.監(jiān)督學(xué)習(xí)不需要進(jìn)行模型評(píng)估w2.在決策樹(shù)算法中，用于選擇劃分屬性的指標(biāo)通常是（）A.信息增益B.基尼系數(shù)C.均方誤差D.以上都是w3.支持向量機(jī)（SVM）的主要作用是（）A.進(jìn)行數(shù)據(jù)降維B.尋找數(shù)據(jù)中的聚類(lèi)結(jié)構(gòu)C.對(duì)數(shù)據(jù)進(jìn)行分類(lèi)和回歸D.生成新的數(shù)據(jù)特征w4.下列哪個(gè)算法不屬于無(wú)監(jiān)督學(xué)習(xí)算法（）A.K-Means算法B.線(xiàn)性回歸算法C.主成分分析算法D.高斯混合模型算法w5.神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)的作用是（）A.增加模型的復(fù)雜度B.對(duì)神經(jīng)元的輸入進(jìn)行非線(xiàn)性變換C.提高模型的收斂速度D.防止模型過(guò)擬合w6.在機(jī)器學(xué)習(xí)中，交叉驗(yàn)證的主要目的是（）A.評(píng)估模型的泛化能力B.加速模型的訓(xùn)練過(guò)程C.減少模型的參數(shù)數(shù)量D.提高模型的擬合能力第II卷（非選擇題共70分）w7.（10分）請(qǐng)簡(jiǎn)要闡述機(jī)器學(xué)習(xí)的基本概念，并說(shuō)明它與人工智能的關(guān)系。w8.（15分）描述K-Means算法的基本步驟，并說(shuō)明該算法在應(yīng)用中可能存在哪些問(wèn)題。w9.（15分）已知有如下數(shù)據(jù)集：{(1,1,0),(2,2,0),(3,3,1),(4,4,1)}，請(qǐng)使用決策樹(shù)算法對(duì)該數(shù)據(jù)集進(jìn)行分類(lèi)，要求寫(xiě)出詳細(xì)的計(jì)算過(guò)程。材料：在某電商平臺(tái)上，收集了大量用戶(hù)的購(gòu)物行為數(shù)據(jù)，包括購(gòu)買(mǎi)商品的種類(lèi)、數(shù)量、時(shí)間、金額等信息。w10.（20分）請(qǐng)?jiān)O(shè)計(jì)一個(gè)基于機(jī)器學(xué)習(xí)的用戶(hù)購(gòu)買(mǎi)行為預(yù)測(cè)模型，說(shuō)明你選擇的算法及理由，并闡述模型的訓(xùn)練和評(píng)估過(guò)程。答案：w1.Bw2.Aw3.Cw4.Bw5.Bw6.Aw7.機(jī)器學(xué)習(xí)是一門(mén)多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門(mén)學(xué)科。它專(zhuān)門(mén)研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類(lèi)的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能。人工智能是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)。機(jī)器學(xué)習(xí)是實(shí)現(xiàn)人工智能的一種重要手段和方法，通過(guò)機(jī)器學(xué)習(xí)算法，讓計(jì)算機(jī)從數(shù)據(jù)中學(xué)習(xí)模式和規(guī)律，從而實(shí)現(xiàn)人工智能的各種任務(wù)，如分類(lèi)、預(yù)測(cè)、決策等。人工智能包含機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)是人工智能的核心技術(shù)之一。w8.K-Means算法基本步驟：首先隨機(jī)選擇K個(gè)聚類(lèi)中心；然后計(jì)算每個(gè)數(shù)據(jù)點(diǎn)到各個(gè)聚類(lèi)中心的距離，將數(shù)據(jù)點(diǎn)劃分到距離最近的聚類(lèi)中心所在的簇；接著重新計(jì)算每個(gè)簇內(nèi)數(shù)據(jù)點(diǎn)的均值，作為新的聚類(lèi)中心；重復(fù)上述步驟直到聚類(lèi)中心不再變化或滿(mǎn)足終止條件。存在的問(wèn)題：K值需事先確定，選擇不當(dāng)會(huì)影響聚類(lèi)效果；對(duì)初始聚類(lèi)中心敏感，不同的初始值可能導(dǎo)致不同的聚類(lèi)結(jié)果；對(duì)于存在噪聲和離群點(diǎn)的數(shù)據(jù)，聚類(lèi)效果可能不佳。w9.首先計(jì)算數(shù)據(jù)集的信息熵：數(shù)據(jù)集D中共有4個(gè)樣本，正例（標(biāo)簽為1）有2個(gè)，反例（標(biāo)簽為0）有2個(gè)。根據(jù)信息熵公式H(D)=-(p(1)log2p(1)+p(?1)log?2p(?1))，其中p(1)=2/4=0.5，p(?1)=2/4=0.5，可得H(D)=-(0.5log20.5+0.5log20.5)=1。然后考慮以第一個(gè)屬性（設(shè)為A）進(jìn)行劃分，A有4個(gè)取值{1,2,3,4}。當(dāng)以A=1或A=2劃分時(shí)，得到的兩個(gè)子集D1和D2中，正例和反例分布不均勻，信息增益較小。當(dāng)以A=3劃分時(shí)，D1={(1,1,0),(2,2,0)}，D2={(3,3,1),(4,4,1)}。D1中全是反例，D2中全是正例，信息增益為1-(0/2log2(0/2)+2/2log2(2/2))=1。所以選擇屬性A=3作為劃分屬性，得到?jīng)Q策樹(shù)的第一層節(jié)點(diǎn)。接著對(duì)劃分后的子集繼續(xù)按照上述方法進(jìn)行劃分，最終得到完整的決策樹(shù)用于分類(lèi)。w10.可以選擇邏輯回歸算法。理由是邏輯回歸算法簡(jiǎn)單易懂，計(jì)算效率高，對(duì)于處理電商平臺(tái)這種具有大量特征的用戶(hù)行為數(shù)據(jù)較為合適，能夠快速學(xué)習(xí)數(shù)據(jù)中的模式并進(jìn)行預(yù)測(cè)。訓(xùn)練過(guò)程：將收集到的用戶(hù)購(gòu)物行為數(shù)據(jù)進(jìn)行預(yù)處理，包括數(shù)據(jù)清洗、特征工程等。然后將數(shù)據(jù)分為訓(xùn)練集和測(cè)試集，使用訓(xùn)練集對(duì)邏