2025年大學（人工智能）機器學習算法模塊測試試題及答案

（考試時間：90分鐘滿分100分）班級______姓名______第I卷（選擇題共30分）答題要求：本卷共6題，每題5分。在每題給出的四個選項中，只有一項是符合題目要求的。1.以下哪種算法不屬于監(jiān)督學習算法？（）A.決策樹B.支持向量機C.聚類算法D.線性回歸2.對于梯度下降算法，以下說法正確的是（）A.步長越大，收斂速度越快B.步長越小，收斂速度越快C.步長的選擇不影響收斂速度D.合適的步長才能保證收斂速度和穩(wěn)定性3.在K近鄰算法中，K值的選擇對分類結果有重要影響。當K值較小時，（）A.模型復雜度高，容易過擬合B.模型復雜度低，容易欠擬合C.分類效果不受影響D.以上都不對4.支持向量機的核心思想是（）A.尋找最大間隔分離超平面B.最小化分類錯誤C.最大化樣本間距D.以上都不是5.關于神經(jīng)網(wǎng)絡中的激活函數(shù)，下列說法錯誤的是（）A.sigmoid函數(shù)輸出值范圍在(0,1)B.ReLU函數(shù)能有效緩解梯度消失問題C.tanh函數(shù)輸出值范圍在(-1,1)D.激活函數(shù)可有可無6.以下哪個不是評估機器學習模型性能的指標？（）A.準確率B.召回率C.F1值D.均方誤差根第II卷（非選擇題共70分）7.（10分）簡述決策樹算法的基本原理。8.（15分）請說明線性回歸模型的損失函數(shù)及其作用。9.（15分）材料：在一個圖像分類任務中，有1000個樣本，分為10個類別。經(jīng)過訓練后，得到如下混淆矩陣：|預測類別|實際類別1|實際類別2|實際類別3|...|實際類別10||----|----|----|----|----|----||類別1|80|10|5|...|0||類別2|5|70|15|...|0||類別3|0|10|60|...|0||...|...|...|...|...|...||類別10|0|0|0|...|90|計算該模型的準確率、召回率和F1值。10.（20分）材料：給定一組數(shù)據(jù)點{(1,2),(2,3),(3,4),(4,5)}，使用線性回歸模型預測當x=5時的y值。要求：（1）寫出線性回歸模型的一般形式。（2）計算模型的參數(shù)。（3）預測x=5時的y值。11.（20分）材料：某公司收集了一些客戶的特征數(shù)據(jù)（年齡、收入、購買次數(shù)等），并根據(jù)這些數(shù)據(jù)構建了一個客戶購買傾向預測模型。要求：（1）說明該模型屬于哪種機器學習任務。（2）如果要評估該模型的性能，你會選擇哪些評估指標？（3）簡述如何提高該模型的性能。答案：1.C2.D3.A4.A5.D6.D7.決策樹算法基本原理：它是基于樹結構進行決策的算法。根據(jù)數(shù)據(jù)的屬性特征，選擇一個最優(yōu)屬性作為根節(jié)點，將數(shù)據(jù)集按照該屬性的不同取值劃分為不同的子集，每個子集再選擇新的最優(yōu)屬性進行劃分，以此遞歸下去，直到子集中的數(shù)據(jù)屬于同一類別或者達到停止條件。最終形成一棵決策樹，可用于分類和預測。8.線性回歸模型的損失函數(shù)通常是均方誤差損失函數(shù)。作用是衡量模型預測值與真實值之間的差異程度。通過最小化損失函數(shù)，可以找到最優(yōu)的模型參數(shù)，使得模型對數(shù)據(jù)的擬合效果最好，從而提高模型的預測準確性。9.準確率=(80+70+60+...+90)/1000；召回率計算每個類別召回率再求平均，如類別1召回率=80/(80+10+5+...+0)等；F1值=2(準確率召回率)/(準確率+召回率)。具體計算略。10.（1）線性回歸模型一般形式：y=wx+b。（2）通過最小二乘法計算參數(shù)w和b。（3）將x=5代入模型計算y值。具體計算略。11.（1）該模型屬于