大學(xué)（人工智能）機(jī)器學(xué)習(xí)基礎(chǔ)2026年階段測試題及答案

（考試時間：90分鐘滿分100分）班級______姓名______一、選擇題（總共10題，每題3分，每題只有一個正確答案，請將正確答案的序號填在括號內(nèi)）1.以下關(guān)于機(jī)器學(xué)習(xí)的說法，錯誤的是（）A.機(jī)器學(xué)習(xí)是一門多領(lǐng)域交叉學(xué)科B.它致力于研究如何通過計算的手段，利用經(jīng)驗來改善系統(tǒng)自身的性能C.機(jī)器學(xué)習(xí)只能處理線性可分的數(shù)據(jù)D.機(jī)器學(xué)習(xí)的主要任務(wù)包括分類、回歸、聚類等2.在監(jiān)督學(xué)習(xí)中，訓(xùn)練數(shù)據(jù)包含（）A.特征和標(biāo)簽B.只有特征C.只有標(biāo)簽D.以上都不對3.決策樹中的信息增益是用來（）A.評估特征的重要性B.計算節(jié)點的純度C.確定樹的深度D.劃分?jǐn)?shù)據(jù)集4.以下哪種算法不屬于聚類算法（）A.K-MeansB.DBSCANC.樸素貝葉斯D.層次聚類5.支持向量機(jī)（SVM）的主要目標(biāo)是（）A.找到最大間隔超平面B.最小化分類錯誤C.最大化數(shù)據(jù)的方差D.以上都不是6.神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)作用是（）A.增加模型的非線性B.計算梯度C.初始化權(quán)重D.以上都對7.隨機(jī)森林是由多個（）組成的。A.決策樹B.神經(jīng)網(wǎng)絡(luò)節(jié)點C.支持向量機(jī)D.聚類模型8.在梯度下降算法中，學(xué)習(xí)率的作用是（）A.控制每次迭代參數(shù)更新的步長B.決定算法是否收斂C.調(diào)整模型的復(fù)雜度D.以上都不對9.以下關(guān)于正則化的說法，正確的是（）A.可以防止模型過擬合B.會增加模型的訓(xùn)練時間C.對所有特征同等處理D.以上都不對10.交叉驗證的主要目的是（）A.評估模型的泛化能力B.加速模型訓(xùn)練C.減少數(shù)據(jù)量D.以上都不是二、多項選擇題（總共5題，每題5分，每題有多個正確答案，請將正確答案的序號填在括號內(nèi)，少選、多選均不得分）1.以下屬于機(jī)器學(xué)習(xí)中的無監(jiān)督學(xué)習(xí)算法的有（）A.主成分分析（PCA）B.線性回歸C.高斯混合模型D.邏輯回歸2.決策樹的構(gòu)建過程中會用到的指標(biāo)有（）A.信息增益B.信息增益率C.基尼系數(shù)D.均方誤差3.神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法包括（）A.隨機(jī)梯度下降（SGD）B.AdagradC.AdadeltaD.RMSProp4.以下哪些是評估分類模型性能的指標(biāo)（）A.準(zhǔn)確率B.召回率C.F1值D.均方根誤差5.模型評估中常用的數(shù)據(jù)集劃分方式有（）A.留出法B.交叉驗證法C.自助法D.以上都不對三、判斷題（總共10題，每題2分，請判斷對錯，在括號內(nèi)打“√”或“×”）1.機(jī)器學(xué)習(xí)的核心是讓計算機(jī)自動從數(shù)據(jù)中學(xué)習(xí)模式和規(guī)律。（）2.監(jiān)督學(xué)習(xí)中的標(biāo)簽必須是連續(xù)值。（）3.決策樹的深度越大，模型的泛化能力越強(qiáng)。（）4.K-Means算法對初始聚類中心的選擇敏感。（）5.支持向量機(jī)只能處理線性可分的數(shù)據(jù)。（）6.神經(jīng)網(wǎng)絡(luò)層數(shù)越多，越容易出現(xiàn)梯度消失或梯度爆炸問題。（）7.隨機(jī)森林中的樹之間是相互獨立的。（）8.梯度下降算法一定能找到全局最優(yōu)解。（）9.L1正則化會使參數(shù)變得稀疏。（）10.模型的準(zhǔn)確率越高，說明模型的性能越好。（）四、簡答題（總共3題，每題10分）1.簡述監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)的區(qū)別，并各舉一個例子。2.請說明決策樹的剪枝策略及其作用。3.解釋一下什么是過擬合和欠擬合，以及如何解決這兩個問題。五、綜合題（總共2題，每題15分）1.假設(shè)你有一個數(shù)據(jù)集，包含多個特征和一個分類標(biāo)簽。請描述如何使用決策樹算法對該數(shù)據(jù)集進(jìn)行分類，并說明如何評估決策樹模型的性能。2.給定一個簡單的線性回歸問題，數(shù)據(jù)集為{(1,2),(2,3),(3,4),(4,5)}，請使用梯度下降算法求解線性回歸模型的參數(shù)，并說明梯度下降算法的收斂條件。答案：一、1.C2.A3.A4.C5.A6.A7.A8.A9.A10.A二、1.AC2.ABC3.ABCD4.ABC5.ABC三、1.√2.×3.×4.√5.×6.√7.√8.×9.√10.×四、1.監(jiān)督學(xué)習(xí)有標(biāo)簽，目標(biāo)是學(xué)習(xí)輸入到輸出的映射，如線性回歸預(yù)測房價；無監(jiān)督學(xué)習(xí)無標(biāo)簽，目標(biāo)是發(fā)現(xiàn)數(shù)據(jù)中的結(jié)構(gòu)，如K-Means聚類將客戶分組。2.預(yù)剪枝通過限制樹的深度等避免過擬合，降低訓(xùn)練時間但欠擬合風(fēng)險增加；后剪枝基于驗證集對已生成樹剪枝提高泛化能力，計算開銷大。3.過擬合模型在訓(xùn)練集上表現(xiàn)好但測試集差，原因是模型復(fù)雜；欠擬合模型在訓(xùn)練集和測試集表現(xiàn)都差，原因是模型簡單。解決過擬合可簡化模型、增加數(shù)據(jù)等；解決欠擬合可增加模型