2025年大學(xué)人工智能（機(jī)器學(xué)習(xí)）期末測(cè)試卷

（考試時(shí)間：90分鐘滿分100分）班級(jí)______姓名______一、單項(xiàng)選擇題(總共10題，每題3分，每題只有一個(gè)正確答案，請(qǐng)將正確答案填寫在括號(hào)內(nèi))1.以下哪種算法不屬于無監(jiān)督學(xué)習(xí)？（）A.決策樹B.聚類算法C.主成分分析D.自編碼器2.在支持向量機(jī)中，核函數(shù)的作用是（）。A.對(duì)數(shù)據(jù)進(jìn)行特征提取B.增加模型的復(fù)雜度C.將低維數(shù)據(jù)映射到高維空間D.進(jìn)行模型評(píng)估3.以下關(guān)于梯度下降法的說法，錯(cuò)誤的是（）。A.梯度下降法是一種迭代優(yōu)化算法B.梯度方向是函數(shù)值下降最快的方向C.步長越大，收斂速度越快D.可能會(huì)陷入局部最優(yōu)解4.對(duì)于一個(gè)二分類問題，邏輯回歸模型的輸出值范圍是（）。A.[0,1]B.(-∞,+∞)C.[0,+∞)D.(-1,1)5.下列哪個(gè)模型常用于處理序列數(shù)據(jù)？（）A.卷積神經(jīng)網(wǎng)絡(luò)B.循環(huán)神經(jīng)網(wǎng)絡(luò)C.隨機(jī)森林D.樸素貝葉斯6.在K近鄰算法中，K值的選擇對(duì)模型性能有重要影響。當(dāng)K值較小時(shí)，模型（）。A.泛化能力強(qiáng)B.容易受到噪聲點(diǎn)影響C.分類邊界更平滑D.計(jì)算復(fù)雜度低7.以下哪種方法可以用于模型的正則化？（）A.L1正則化B.L2正則化C.兩者都是D.兩者都不是8.對(duì)于深度神經(jīng)網(wǎng)絡(luò)，以下哪種激活函數(shù)在隱藏層中使用較為廣泛？（）A.Sigmoid函數(shù)B.Tanh函數(shù)C.ReLU函數(shù)D.以上都是9.在模型評(píng)估中，以下哪個(gè)指標(biāo)用于衡量分類模型的準(zhǔn)確率？（）A.召回率B.F1值C.精確率D.以上都是10.以下哪種技術(shù)可以用于模型的超參數(shù)調(diào)優(yōu)？（）A.網(wǎng)格搜索B.隨機(jī)搜索C.貝葉斯優(yōu)化D.以上都是二、多項(xiàng)選擇題(總共5題，每題5分，每題有多個(gè)正確答案，請(qǐng)將正確答案填寫在括號(hào)內(nèi)，多選、少選或錯(cuò)選均不得分)1.以下屬于監(jiān)督學(xué)習(xí)算法的有（）。A.線性回歸B.支持向量機(jī)C.決策樹D.聚類算法2.對(duì)于一個(gè)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，以下哪些方法可以用于防止過擬合？（）A.增加訓(xùn)練數(shù)據(jù)B.使用正則化C.減少網(wǎng)絡(luò)層數(shù)D.增加網(wǎng)絡(luò)層數(shù)3.在樸素貝葉斯分類中，常用的分類有（）。A.高斯樸素貝葉斯B.多項(xiàng)式樸素貝葉斯C.伯努利樸素貝葉斯D.拉普拉斯樸素貝葉斯4.以下哪些是深度學(xué)習(xí)中常用的優(yōu)化器？（）A.隨機(jī)梯度下降B.AdagradC.AdadeltaD.Adam5.在模型評(píng)估中，以下哪些指標(biāo)可以用于評(píng)估回歸模型？（）A.均方誤差B.平均絕對(duì)誤差C.R平方值D.準(zhǔn)確率三、判斷題(總共5題，每題3分，請(qǐng)判斷對(duì)錯(cuò)，在括號(hào)內(nèi)填寫“√”或“×”)1.無監(jiān)督學(xué)習(xí)不需要標(biāo)注數(shù)據(jù)。（）2.支持向量機(jī)只能處理線性可分的數(shù)據(jù)。（）3.梯度下降法一定能找到全局最優(yōu)解。（）4.邏輯回歸可以直接用于多分類問題。（）5.在深度學(xué)習(xí)中，增加網(wǎng)絡(luò)層數(shù)一定會(huì)提高模型性能。（）四、簡答題(總共3題，每題10分，請(qǐng)簡要回答問題)1.請(qǐng)簡述什么是機(jī)器學(xué)習(xí)中的偏差-方差權(quán)衡，并說明如何在實(shí)際中進(jìn)行平衡？2.解釋一下卷積神經(jīng)網(wǎng)絡(luò)中卷積層和池化層的作用。3.闡述一下隨機(jī)森林算法的基本原理。五、算法設(shè)計(jì)題(總共1題，每題20分，請(qǐng)?jiān)O(shè)計(jì)一個(gè)算法來解決給定問題)假設(shè)你有一個(gè)數(shù)據(jù)集，包含多個(gè)特征和一個(gè)目標(biāo)變量。請(qǐng)?jiān)O(shè)計(jì)一個(gè)算法來選擇最優(yōu)的特征子集，以提高目標(biāo)變量的預(yù)測(cè)準(zhǔn)確率。要求詳細(xì)說明算法步驟和選擇特征子集的標(biāo)準(zhǔn)。答案：一、單項(xiàng)選擇題1.A2.C3.C4.A5.B6.B7.C8.C9.D10.D二、多項(xiàng)選擇題1.ABC2.AB3.ABC4.ABCD5.ABC三、判斷題1.√2.×3.×4.×5.×四、簡答題1.偏差-方差權(quán)衡：偏差指模型在訓(xùn)練集上的預(yù)測(cè)誤差，反映模型的擬合能力；方差指模型在不同訓(xùn)練集上的預(yù)測(cè)結(jié)果的差異，反映模型的穩(wěn)定性。在實(shí)際中，可通過增加訓(xùn)練數(shù)據(jù)、選擇合適的模型復(fù)雜度、正則化等方法來平衡偏差和方差。2.卷積層作用：通過卷積核提取數(shù)據(jù)的局部特征，減少參數(shù)數(shù)量，提高計(jì)算效率。池化層作用：對(duì)卷積層輸出進(jìn)行下采樣，降低數(shù)據(jù)維度，減少計(jì)算量，同時(shí)保留重要特征，防止過擬合。3.隨機(jī)森林算法基本原理：從原始訓(xùn)練數(shù)據(jù)集中有放回地隨機(jī)抽取多個(gè)樣本集，每個(gè)樣本集生成一棵決策樹，最終結(jié)果由這些決策樹投票決定。它通過引入隨機(jī)因素，降低了單棵決策樹的方差，提高了模型的泛化能力。五、算法設(shè)計(jì)題算法步驟：1.初始化一個(gè)空的特征子集。2.對(duì)于每個(gè)特征：-將該特征加入當(dāng)前特征子集，訓(xùn)練一個(gè)模型并計(jì)算其評(píng)估指標(biāo)（如準(zhǔn)確率）。-移除該特征，訓(xùn)練模型并計(jì)算評(píng)估指標(biāo)。-比較加入和移