2025年大學人工智能（機器學習基礎）上學期期末測試卷

（考試時間：90分鐘滿分100分）班級______姓名______一、單項選擇題（總共10題，每題3分，每題只有一個正確答案，請將正確答案填寫在括號內）1.以下關于機器學習的說法，錯誤的是（）A.機器學習是一門多領域交叉學科B.它致力于研究如何通過計算的手段，利用經驗來改善系統(tǒng)自身的性能C.機器學習中，模型一旦確定就不能再改變D.機器學習包括監(jiān)督學習、無監(jiān)督學習、半監(jiān)督學習等多種類型2.在監(jiān)督學習中，訓練數據包含（）A.只有特征B.只有標簽C.特征和標簽D.以上都不對3.決策樹中的信息增益是用來（）A.選擇最優(yōu)劃分屬性B.計算葉子節(jié)點的概率C.評估模型復雜度D.確定樹的深度4.以下哪種算法不屬于聚類算法（）A.K-MeansB.DBSCANC.樸素貝葉斯D.層次聚類5.支持向量機（SVM）的主要目標是（）A.找到最大間隔超平面B.計算數據的均值C.進行特征降維D.預測數據的類別6.神經網絡中的激活函數作用是（）A.增加模型的復雜度B.對輸入進行非線性變換C.計算梯度D.存儲模型參數7.隨機森林是由多個（）組成的集成學習模型。A.決策樹B.神經網絡C.支持向量機D.線性回歸模型8.在梯度下降算法中，步長α的選擇（）A.越大越好B.越小越好C.要適中，過大可能不收斂，過小收斂速度慢D.與收斂無關9.以下關于模型評估指標的說法，正確的是（）A.準確率越高，模型性能一定越好B.召回率和精確率是同一個概念C.F1值綜合了精確率和召回率D.均方誤差只適用于分類問題10.交叉驗證的主要目的是（）A.增加訓練數據量B.評估模型的泛化能力C.加速模型訓練D.選擇最優(yōu)模型參數二、多項選擇題（總共5題，每題5分，每題有兩個或兩個以上正確答案，請將正確答案填寫在括號內，多選、少選、錯選均不得分）1.以下屬于機器學習中常用的特征選擇方法的有（）A.主成分分析B.信息增益C.決策樹D.卡方檢驗2.無監(jiān)督學習可以解決的問題包括（）A.數據聚類B.異常檢測C.降維D.分類預測3.以下關于深度學習的說法正確的是（）A.深度學習是機器學習的一個分支B.深度神經網絡包含多個隱藏層C.深度學習在圖像識別、語音識別等領域取得了巨大成功D.深度學習模型訓練需要大量的數據4.模型評估時，常用的劃分數據集的方法有（）A.留出法B.交叉驗證法C.自助法D.聚類法5.以下哪些算法可以用于回歸問題（）A.線性回歸B.嶺回歸C.邏輯回歸D.支持向量回歸三、判斷題（總共10題，每題2分，請判斷下列說法的對錯，在括號內打“√”或“×”）1.機器學習只能處理數值型數據。（）2.無監(jiān)督學習不需要標注數據。（）3.決策樹的剪枝可以防止過擬合。（）4.聚類算法的結果是固定的，不依賴于數據的初始分布。（）5.支持向量機只能處理線性可分的數據。（）6.神經網絡的層數越多，模型的性能一定越好。（）7.隨機森林中的樹之間是相互獨立的。（）8.梯度下降算法一定能找到全局最優(yōu)解。（）9.準確率和召回率都高的模型才是好模型。（）10.模型的訓練誤差越小，泛化能力越強。（）四、簡答題（總共3題，每題10分，請簡要回答以下問題）1.請簡述監(jiān)督學習和無監(jiān)督學習的區(qū)別。2.解釋一下決策樹的剪枝策略及其作用。3.說明交叉驗證的幾種常見方式及其優(yōu)缺點。五、綜合應用題（總共2題，每題15分，請結合所學知識解決以下實際問題）1.給定一個數據集，包含多個特征和對應的類別標簽。請描述如何使用決策樹算法對該數據集進行分類，并說明如何評估決策樹模型的性能。2.假設有一個房價預測問題，已知一些房屋的特征（如面積、房間數等）和對應的房價。請設計一個使用線性回歸模型進行房價預測的方案，包括數據預處理、模型訓練和評估的步驟。答案：一、單項選擇題1.C2.C3.A4.C5.A6.B7.A8.C9.C10.B二、多項選擇題1.ABD2.ABC3.ABCD4.ABC5.ABD三、判斷題1.×2.√3.√4.×5.×6.×7.√8.×9.×10.×四、簡答題1.監(jiān)督學習：數據包含特征和標簽，模型通過學習特征與標簽的關系進行預測，如分類和回歸問題。無監(jiān)督學習：數據只有特征，模型旨在發(fā)現數據中的結構和規(guī)律，如聚類和降維。2.預剪枝：在構建決策樹過程中提前停止，防止樹過度生長，降低訓練時間和過擬合風險，但可能導致欠擬合。后剪枝：在樹構建完成后進行剪枝，基于驗證集評估剪枝效果，能避免欠擬合，但計算成本高。3.留出法：簡單直接，劃分比例影響評估穩(wěn)定性。交叉驗證法：多次劃分訓練和驗證集，結果更可靠，但計算量大。自助法：適用于小數據集，能保證數據分布，但改變了原始數據規(guī)模。五、綜合應用題1.首先，使用決策樹算法（如ID3、C4.5等）對數據集進行訓練，根據信息增益等準則選擇劃分屬性構建決策樹。性能評估：使用測試集計算準確率、召回率、F1值等指標，還可