大學(xué)（人工智能導(dǎo)論）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，請將正確答案填入括號內(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.它致力于研究計算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為C.機(jī)器學(xué)習(xí)主要分為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)D.機(jī)器學(xué)習(xí)就是讓計算機(jī)自動從數(shù)據(jù)中獲取知識并進(jìn)行預(yù)測的過程，數(shù)據(jù)量大小對其沒有影響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.僅特征C.僅標(biāo)簽D.既無特征也無標(biāo)簽3.決策樹學(xué)習(xí)的核心是（）A.構(gòu)建決策規(guī)則B.計算信息增益C.劃分?jǐn)?shù)據(jù)集D.以上都是4.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)點之間的距離D.以上都不對5.下列哪個算法不屬于無監(jiān)督學(xué)習(xí)算法（）A.K均值聚類算法B.主成分分析算法C.樸素貝葉斯算法D.層次聚類算法6.對于線性回歸模型，損失函數(shù)通常采用（）A.交叉熵?fù)p失B.均方誤差損失C.絕對值損失D.以上都可以7.在K近鄰算法中，K的取值（）A.越大越好B.越小越好C.需要根據(jù)具體情況選擇合適的值D.固定為某個值8.神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)作用是（）A.增加模型的復(fù)雜度B.引入非線性因素C.提高模型的收斂速度D.以上都不是9.隨機(jī)森林是由多個（）組成的集成學(xué)習(xí)模型。A.決策樹B.支持向量機(jī)C.神經(jīng)網(wǎng)絡(luò)D.線性回歸模型10.梯度下降算法是用于（）A.求解優(yōu)化問題中的最優(yōu)解B.對數(shù)據(jù)進(jìn)行分類C.對數(shù)據(jù)進(jìn)行聚類D.以上都不對二、多項選擇題（總共5題，每題4分，每題至少有兩個正確答案，請將正確答案填入括號內(nèi)）1.以下屬于監(jiān)督學(xué)習(xí)算法的有（）A.邏輯回歸B.決策樹C.支持向量機(jī)D.K均值聚類2.無監(jiān)督學(xué)習(xí)可以用于（）A.用戶行為分析B.數(shù)據(jù)降維C.異常檢測D.預(yù)測房價3.機(jī)器學(xué)習(xí)中的評估指標(biāo)，對于分類問題常用的有（）A.準(zhǔn)確率B.召回率C.F1值D.均方誤差4.以下關(guān)于深度學(xué)習(xí)的說法正確的是（）A.深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個分支B.包含多個隱藏層的神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)的典型代表C.深度學(xué)習(xí)在圖像識別、語音識別等領(lǐng)域取得了巨大成功D.深度學(xué)習(xí)算法簡單，容易理解5.優(yōu)化算法在機(jī)器學(xué)習(xí)中用于（）A.調(diào)整模型參數(shù)B.提高模型性能C.加快模型收斂速度D.減少數(shù)據(jù)量三、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)只能處理數(shù)值型數(shù)據(jù)。（）2.無監(jiān)督學(xué)習(xí)不需要人工標(biāo)注的數(shù)據(jù)。（）3.決策樹生成過程中，信息增益越大，劃分越合理。（）4.支持向量機(jī)只能處理線性可分的數(shù)據(jù)。（）5.線性回歸模型可以很好地處理非線性關(guān)系。（）6.K近鄰算法的時間復(fù)雜度與數(shù)據(jù)量成正比。（）7.神經(jīng)網(wǎng)絡(luò)層數(shù)越多，模型效果一定越好。（）8.隨機(jī)森林中每個決策樹的訓(xùn)練數(shù)據(jù)是相同的。（）9.梯度下降算法每次迭代都會使損失函數(shù)值減小。（）10.交叉驗證可以更準(zhǔn)確地評估模型性能。（）四、簡答題（總共3題，每題10分）1.請簡要介紹監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)的區(qū)別。2.闡述決策樹的構(gòu)建過程。3.說明梯度下降算法的原理及在機(jī)器學(xué)習(xí)中的作用。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標(biāo)簽，你希望使用決策樹算法進(jìn)行分類。請描述你會如何進(jìn)行以下操作：-數(shù)據(jù)預(yù)處理。-選擇合適的決策樹算法。-評估模型性能并進(jìn)行調(diào)優(yōu)。2.已知一個簡單的線性回歸模型\(y=wx+b\)，現(xiàn)在有一組訓(xùn)練數(shù)據(jù)\((x_1,y_1),(x_2,y_2),...,(x_n,y_n)\)，請推導(dǎo)使用梯度下降算法求解模型參數(shù)\(w\)和\(b\)的過程。答案：一、選擇題1.D2.A3.D4.A5.C6.B7.C8.B9.A10.A二、多項選擇題1.ABC2.ABC3.ABC4.ABC5.ABC三、判斷題1.×2.√3.√4.×5.×6.√7.×8.×9.×10.√四、簡答題1.監(jiān)督學(xué)習(xí)有標(biāo)注數(shù)據(jù)，模型學(xué)習(xí)特征與標(biāo)簽關(guān)系用于預(yù)測；無監(jiān)督學(xué)習(xí)無標(biāo)注數(shù)據(jù)，旨在發(fā)現(xiàn)數(shù)據(jù)內(nèi)在結(jié)構(gòu)和規(guī)律，如聚類、降維。2.先確定根節(jié)點，計算各特征信息增益選最大的為劃分屬性；對劃分后的子集遞歸重復(fù)此過程，直到滿足停止條件，如子集樣本全屬同一類或無特征可分等。3.原理是沿?fù)p失函數(shù)負(fù)梯度方向更新參數(shù)。作用是通過迭代調(diào)整模型參數(shù)，使損失函數(shù)最小，從而找到最優(yōu)模型參數(shù)，用于回歸和分類等模型訓(xùn)練。五、綜合題1.數(shù)據(jù)預(yù)處理：檢查數(shù)據(jù)缺失值，用合適方法填充；處理異常值，可刪除或修正；對特征進(jìn)行歸一化或標(biāo)準(zhǔn)化。選擇ID3、C4.5等算法。用交叉驗證評估，如準(zhǔn)確率、召回率等，通過調(diào)整參數(shù)（如樹深度）調(diào)優(yōu)。2.對于\(w\)，梯度\(\frac{\partialL}{\partialw}=2\sum_{i=1}^{n}(wx_i+b-y_i)x_i\)，更新公式\(w=w-\alpha\frac{\partialL}{\partialw}\)；對于\(b\)，梯度\(\frac{\partialL}{\p