2025年高職人工智能技術應用（機器學習基礎）試題及答案

（考試時間：90分鐘滿分100分）班級______姓名______第I卷（選擇題共40分）（總共8題，每題5分，每題只有一個正確答案，請將正確答案填在括號內(nèi)）w1.以下關于機器學習中監(jiān)督學習的說法，正確的是（）A.監(jiān)督學習不需要訓練數(shù)據(jù)B.監(jiān)督學習的目標是預測輸入數(shù)據(jù)的類別或數(shù)值C.監(jiān)督學習中沒有明確的目標變量D.監(jiān)督學習只能處理分類問題w2.在決策樹算法中，用于選擇劃分屬性的指標通常是（）A.信息增益B.均方誤差C.余弦相似度D.歐氏距離w3.支持向量機（SVM）的主要作用是（）A.進行數(shù)據(jù)聚類B.尋找數(shù)據(jù)中的異常點C.對數(shù)據(jù)進行分類和回歸D.提取數(shù)據(jù)的主成分w4.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w5.神經(jīng)網(wǎng)絡中，激活函數(shù)的作用是（）A.增加網(wǎng)絡的層數(shù)B.對輸入數(shù)據(jù)進行歸一化C.引入非線性因素，使網(wǎng)絡能夠處理復雜問題D.減少網(wǎng)絡的計算量w6.在深度學習中，卷積神經(jīng)網(wǎng)絡（CNN）主要用于處理（）A.圖像數(shù)據(jù)B.文本數(shù)據(jù)C.時間序列數(shù)據(jù)D.結構化數(shù)據(jù)w7.以下關于梯度下降算法的說法，錯誤的是（）A.梯度下降是一種優(yōu)化算法，用于尋找函數(shù)的最小值B.梯度方向是函數(shù)值增加最快的方向C.步長的選擇對梯度下降算法的收斂速度有影響D.梯度下降算法可以用于求解線性回歸模型的參數(shù)w8.隨機森林算法是由多個（）組成的。A.決策樹B.支持向量機C.神經(jīng)網(wǎng)絡D.樸素貝葉斯分類器第II卷（非選擇題共60分）w9.（10分）簡述機器學習中無監(jiān)督學習和監(jiān)督學習的區(qū)別。w10.（15分）請描述K-Means算法的基本步驟。w11.（15分）在處理文本數(shù)據(jù)時，常常會用到詞袋模型。請解釋詞袋模型，并說明其優(yōu)缺點及適用場景。材料：有一組關于學生成績的數(shù)據(jù)，包括語文、數(shù)學、英語成績，以及對應的學生是否通過考試的標簽。w12.（20分）基于上述材料，假設我們要建立一個模型來預測學生是否能通過考試，你會選擇哪種機器學習算法？請說明理由，并簡單描述該算法如何進行訓練和預測。答案：w選擇題答案：1.B2.A3.C4.D5.C6.A7.B8.Aw9.答案：監(jiān)督學習有明確的目標變量（標簽），通過已有標簽的數(shù)據(jù)進行訓練，學習輸入與輸出之間的映射關系，用于預測未知數(shù)據(jù)的標簽，如分類和回歸問題。無監(jiān)督學習沒有明確的目標變量，主要用于發(fā)現(xiàn)數(shù)據(jù)中的潛在結構和模式，如聚類、降維等。監(jiān)督學習依賴標簽信息來指導學習，無監(jiān)督學習則是從數(shù)據(jù)本身的特征和分布中挖掘信息。w10.答案：K-Means算法基本步驟：首先隨機選擇K個聚類中心；然后計算每個數(shù)據(jù)點到聚類中心之間的距離，將數(shù)據(jù)點分配到距離最近的聚類中心所在的簇；接著重新計算每個簇的聚類中心，即簇內(nèi)所有點的均值；重復上述步驟，直到聚類中心不再變化或滿足終止條件。w11.答案：詞袋模型是一種將文本數(shù)據(jù)表示為向量的方法。它忽略文本中詞的順序，只關注詞的出現(xiàn)次數(shù)。優(yōu)點是簡單直觀，易于理解和實現(xiàn)。缺點是丟失了詞序信息，不能很好地處理語義關系。適用場景是文本分類、主題建模等任務，對詞序要求不高的場景。w12.答案：可以選擇邏輯回歸算法。理由：邏輯回歸適用于二分類問題，能很好地處理線性可分的數(shù)據(jù)，計算效率高，模型簡單易解釋。訓