中職第一學(xué)年（人工智能基礎(chǔ)）機(jī)器學(xué)習(xí)入門2026年階段測試題及答案

（考試時(shí)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(gè)正確答案，請將正確答案填入括號(hào)內(nèi)）1.以下關(guān)于機(jī)器學(xué)習(xí)的說法，錯(cuò)誤的是（）A.機(jī)器學(xué)習(xí)是一門多領(lǐng)域交叉學(xué)科B.它專門研究計(jì)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)就是簡單的編程實(shí)現(xiàn)特定功能D.旨在獲取新的知識(shí)或技能并重新組織已有的知識(shí)結(jié)構(gòu)2.機(jī)器學(xué)習(xí)的主要任務(wù)不包括（）A.分類B.預(yù)測C.數(shù)據(jù)清理D.聚類3.在監(jiān)督學(xué)習(xí)中，訓(xùn)練數(shù)據(jù)包含（）A.只有輸入特征B.只有輸出標(biāo)簽C.輸入特征和輸出標(biāo)簽D.既沒有輸入特征也沒有輸出標(biāo)簽4.決策樹算法中，用于劃分?jǐn)?shù)據(jù)集的屬性是（）A.目標(biāo)屬性B.條件屬性C.無關(guān)屬性D.以上都不是5.以下哪種算法不屬于無監(jiān)督學(xué)習(xí)算法（）A.K-Means算法B.樸素貝葉斯算法C.主成分分析算法D.層次聚類算法6.支持向量機(jī)（SVM）主要用于（）A.回歸分析B.分類問題C.關(guān)聯(lián)規(guī)則挖掘D.數(shù)據(jù)降維7.梯度下降法是用于（）A.求解機(jī)器學(xué)習(xí)模型的最優(yōu)參數(shù)B.數(shù)據(jù)預(yù)處理C.模型評估D.特征選擇8.以下關(guān)于模型評估指標(biāo)的說法，正確的是（）A.準(zhǔn)確率越高，模型性能一定越好B.召回率和精確率是同一個(gè)概念C.F1值綜合考慮了精確率和召回率D.均方誤差只適用于分類模型9.交叉驗(yàn)證的主要目的是（）A.增加數(shù)據(jù)量B.提高模型訓(xùn)練速度C.評估模型的泛化能力D.減少模型參數(shù)10.當(dāng)模型出現(xiàn)過擬合時(shí)，以下做法正確的是（）A.增加訓(xùn)練數(shù)據(jù)B.減少模型復(fù)雜度C.增加模型參數(shù)D.提高學(xué)習(xí)率二、多項(xiàng)選擇題（總共5題，每題4分，每題至少有兩個(gè)正確答案，請將正確答案填入括號(hào)內(nèi)，少選、多選、錯(cuò)選均不得分）1.機(jī)器學(xué)習(xí)的常見應(yīng)用領(lǐng)域包括（）A.自然語言處理B.圖像識(shí)別C.推薦系統(tǒng)D.數(shù)據(jù)挖掘E.游戲開發(fā)2.監(jiān)督學(xué)習(xí)中的分類算法有（）A.邏輯回歸B.決策樹C.支持向量機(jī)D.K-Means算法E.樸素貝葉斯算法3.無監(jiān)督學(xué)習(xí)可以用于（）A.數(shù)據(jù)降維B.異常檢測C.客戶細(xì)分D.預(yù)測未來趨勢E.文本分類4.模型評估的常用指標(biāo)有（）A.準(zhǔn)確率B.召回率C.F1值D.均方誤差E.交叉熵?fù)p失5.防止模型過擬合的方法有（）A.正則化B.增加訓(xùn)練數(shù)據(jù)C.提前終止訓(xùn)練D.減少模型復(fù)雜度E.提高學(xué)習(xí)率三、判斷題（總共10題，每題2分，請判斷對錯(cuò)，在括號(hào)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.監(jiān)督學(xué)習(xí)中，訓(xùn)練數(shù)據(jù)的輸入特征和輸出標(biāo)簽是一一對應(yīng)的。（）3.決策樹算法生成的決策樹一定是最優(yōu)的。（）4.無監(jiān)督學(xué)習(xí)不需要人工標(biāo)注數(shù)據(jù)。（√）5.支持向量機(jī)在處理非線性分類問題時(shí)需要進(jìn)行核函數(shù)變換。（）6.梯度下降法中，學(xué)習(xí)率越大，收斂速度越快。（）7.模型評估指標(biāo)中的準(zhǔn)確率和召回率是相互矛盾的。（）8.交叉驗(yàn)證中，K折交叉驗(yàn)證的K值越大，模型評估越準(zhǔn)確。（）9.當(dāng)模型出現(xiàn)欠擬合時(shí)，應(yīng)該增加模型復(fù)雜度。（）10.深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支。（）四、簡答題（總共3題，每題10分，請簡要回答問題）1.簡述機(jī)器學(xué)習(xí)的基本概念和主要任務(wù)。機(jī)器學(xué)習(xí)是一門多領(lǐng)域交叉學(xué)科，研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，旨在獲取新知識(shí)或技能并重新組織已有知識(shí)結(jié)構(gòu)。主要任務(wù)包括分類、預(yù)測、聚類、回歸等，用于從數(shù)據(jù)中發(fā)現(xiàn)規(guī)律、模式和趨勢，以解決各種實(shí)際問題。2.對比監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)的區(qū)別。監(jiān)督學(xué)習(xí)中訓(xùn)練數(shù)據(jù)包含輸入特征和輸出標(biāo)簽，模型通過學(xué)習(xí)兩者關(guān)系進(jìn)行預(yù)測或分類；無監(jiān)督學(xué)習(xí)則沒有輸出標(biāo)簽，主要用于數(shù)據(jù)降維、聚類、異常檢測等，讓模型自主發(fā)現(xiàn)數(shù)據(jù)中的潛在結(jié)構(gòu)和規(guī)律。3.說明決策樹算法的工作原理。決策樹算法基于樹結(jié)構(gòu)進(jìn)行決策，通過對數(shù)據(jù)集的屬性進(jìn)行劃分，構(gòu)建決策規(guī)則。從根節(jié)點(diǎn)開始，根據(jù)屬性值將數(shù)據(jù)集不斷分裂，直到葉節(jié)點(diǎn)，每個(gè)葉節(jié)點(diǎn)對應(yīng)一個(gè)類別或預(yù)測值，從而實(shí)現(xiàn)對新數(shù)據(jù)的分類或預(yù)測。五、案例分析題（總共2題，每題15分，請結(jié)合實(shí)際案例進(jìn)行分析）1.某電商平臺(tái)想要通過分析用戶購買行為數(shù)據(jù)，為用戶推薦商品。請你分析可以使用哪些機(jī)器學(xué)習(xí)算法來實(shí)現(xiàn)這個(gè)目標(biāo)，并說明理由?？梢允褂藐P(guān)聯(lián)規(guī)則挖掘算法，如Apriori算法。它能從大量交易數(shù)據(jù)中發(fā)現(xiàn)商品之間的關(guān)聯(lián)關(guān)系，比如用戶購買了A商品后，很可能會(huì)購買B商品，從而為用戶推薦相關(guān)商品。也可以使用基于內(nèi)容的推薦算法，根據(jù)用戶歷史購買商品的特征，如類別、品牌等，推薦相似的商品。還可以采用協(xié)同過濾算法，根據(jù)用戶之間的相似性，向目標(biāo)用戶推薦其他相似用戶購買過的商品。2.一家醫(yī)院收集了患者的病歷數(shù)據(jù)，包括癥狀、診斷結(jié)果等，希望通過這些數(shù)據(jù)預(yù)測患者是否患有某種疾病。請描述如何運(yùn)用機(jī)器學(xué)習(xí)來解決這個(gè)問題，包括數(shù)據(jù)預(yù)處理、選擇算法、模型評估等步驟。數(shù)據(jù)預(yù)處理：清洗數(shù)據(jù)，去除缺失值、重復(fù)數(shù)據(jù)等；對癥狀等特征進(jìn)行編碼。選擇算法：可采用邏輯回歸算法，它簡單有效，適用于二分類問題。模型評估：使用準(zhǔn)確率、召回率、F1值等指標(biāo)評估模型性能。通過交叉驗(yàn)證調(diào)整模型參數(shù)，提高模型的泛化能力，以準(zhǔn)確預(yù)測患者是否患有該疾病。答案：一、1.C2.C3.C