2025年大學(xué)人工智能（數(shù)據(jù)實(shí)訓(xùn)）期中測試卷

（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4分，每題只有一個(gè)正確答案，請將正確答案填入括號內(nèi)）1.以下哪種算法常用于數(shù)據(jù)分類任務(wù)？（）A.決策樹算法B.聚類算法C.關(guān)聯(lián)規(guī)則算法D.回歸算法2.在數(shù)據(jù)預(yù)處理中，處理缺失值的常用方法不包括（）。A.填充法B.刪除法C.插值法D.加密法3.對于數(shù)據(jù)集的特征選擇，以下說法錯(cuò)誤的是（）。A.可以提高模型訓(xùn)練效率B.能夠減少模型復(fù)雜度C.一定會(huì)提高模型準(zhǔn)確率D.有助于減少數(shù)據(jù)冗余4.以下哪個(gè)不是監(jiān)督學(xué)習(xí)的算法？（）A.支持向量機(jī)B.樸素貝葉斯C.K近鄰算法D.K-Means算法5.數(shù)據(jù)歸一化的目的不包括（）。A.加快模型收斂速度B.提高模型泛化能力C.使不同特征具有相同尺度D.增強(qiáng)數(shù)據(jù)可視化效果6.在決策樹中，用于劃分?jǐn)?shù)據(jù)集的屬性稱為（）。A.根節(jié)點(diǎn)B.內(nèi)部節(jié)點(diǎn)C.葉節(jié)點(diǎn)D.分裂屬性7.對于線性回歸模型，以下說法正確的是（）。A.只能處理線性關(guān)系的數(shù)據(jù)B.模型復(fù)雜度高，容易過擬合C.不需要進(jìn)行特征縮放D.預(yù)測結(jié)果一定是連續(xù)值8.以下哪種數(shù)據(jù)結(jié)構(gòu)常用于存儲決策樹？（）A.數(shù)組B.鏈表C.樹結(jié)構(gòu)D.哈希表9.在數(shù)據(jù)挖掘中，頻繁項(xiàng)集挖掘主要用于發(fā)現(xiàn)（）。A.數(shù)據(jù)中的關(guān)聯(lián)關(guān)系B.數(shù)據(jù)的聚類結(jié)果C.數(shù)據(jù)的分類規(guī)則D.數(shù)據(jù)的異常值10.以下關(guān)于模型評估指標(biāo)的說法，錯(cuò)誤的是（）。A.準(zhǔn)確率適用于分類任務(wù)B.均方誤差適用于回歸任務(wù)C.F1值綜合考慮了精確率和召回率D.模型評估指標(biāo)越高，模型一定越好二、多項(xiàng)選擇題（總共5題，每題6分，每題有兩個(gè)或兩個(gè)以上正確答案，請將正確答案填入括號內(nèi)，少選、多選均不得分）1.以下屬于數(shù)據(jù)挖掘任務(wù)的有（）。A.分類B.聚類C.關(guān)聯(lián)規(guī)則挖掘D.數(shù)據(jù)可視化2.在數(shù)據(jù)預(yù)處理中，數(shù)據(jù)清洗的內(nèi)容包括（）。A.處理缺失值B.處理重復(fù)數(shù)據(jù)C.處理異常值D.數(shù)據(jù)編碼3.對于分類算法，評價(jià)其性能的指標(biāo)有（）。A.準(zhǔn)確率B.召回率C.F1值D.均方誤差4.以下哪些算法屬于無監(jiān)督學(xué)習(xí)？（）A.K-Means算法B.主成分分析算法C.神經(jīng)網(wǎng)絡(luò)算法D.決策樹算法5.在數(shù)據(jù)特征工程中，常用的特征轉(zhuǎn)換方法有（）。A.離散化B.歸一化C.標(biāo)準(zhǔn)化D.特征提取三、判斷題（總共10題，每題3分，請判斷以下說法是否正確，正確的打“√”，錯(cuò)誤的打“×”）1.監(jiān)督學(xué)習(xí)是從數(shù)據(jù)中自動(dòng)尋找模式和規(guī)律，不需要預(yù)先定義的目標(biāo)變量。（）2.數(shù)據(jù)預(yù)處理是數(shù)據(jù)挖掘的重要步驟，對提高模型性能沒有影響。（）3.決策樹算法對數(shù)據(jù)的噪聲和缺失值比較敏感。（）4.K-Means算法的聚類結(jié)果與初始聚類中心的選擇無關(guān)。（）5.特征選擇可以通過減少特征數(shù)量來提高模型的泛化能力。（）6.線性回歸模型只能用于預(yù)測數(shù)值型變量。（）7.在數(shù)據(jù)挖掘中，頻繁項(xiàng)集的支持度越高，其重要性越低。（）8.模型評估指標(biāo)可以完全準(zhǔn)確地反映模型的性能。（）9.數(shù)據(jù)可視化可以幫助我們更好地理解數(shù)據(jù)的分布和特征。（）10.無監(jiān)督學(xué)習(xí)的目的是根據(jù)已知的類別標(biāo)簽對數(shù)據(jù)進(jìn)行分類。（）四、簡答題（總共3題，每題10分）1.請簡要介紹決策樹算法的基本原理和構(gòu)建過程。2.說明數(shù)據(jù)預(yù)處理中數(shù)據(jù)標(biāo)準(zhǔn)化和歸一化的區(qū)別與聯(lián)系。3.簡述K-Means算法的優(yōu)缺點(diǎn)。五、綜合應(yīng)用題（總共1題，20分）假設(shè)你有一個(gè)關(guān)于學(xué)生成績的數(shù)據(jù)文件，包含學(xué)生的數(shù)學(xué)、語文、英語成績以及是否通過考試的信息。請你設(shè)計(jì)一個(gè)數(shù)據(jù)挖掘流程，利用這些數(shù)據(jù)進(jìn)行以下任務(wù)：首先對數(shù)據(jù)進(jìn)行預(yù)處理，然后使用合適的算法構(gòu)建一個(gè)分類模型，預(yù)測學(xué)生是否能通過考試，并對模型進(jìn)行評估。請?jiān)敿?xì)描述每一步的操作和使用的技術(shù)。答案：一、選擇題1.A2.D3.C4.D5.D6.D7.A8.C9.A10.D二、多項(xiàng)選擇題1.ABC2.ABC3.ABC4.AB5.ABCD三、判斷題1.×2.×3.√4.×5.√6.√7.×8.×9.√10.×四、簡答題1.決策樹算法基本原理：基于信息論中的信息增益、信息增益率等指標(biāo)來選擇最優(yōu)特征進(jìn)行數(shù)據(jù)劃分，將數(shù)據(jù)集逐步劃分為不同的子集，直到子集中的數(shù)據(jù)屬于同一類別或滿足停止條件。構(gòu)建過程：首先計(jì)算初始數(shù)據(jù)集的信息熵，然后對每個(gè)特征計(jì)算信息增益，選擇信息增益最大的特征作為根節(jié)點(diǎn)進(jìn)行數(shù)據(jù)劃分，對劃分后的子集重復(fù)上述過程，直到滿足停止條件，如子集中數(shù)據(jù)類別相同或達(dá)到最大深度等。2.區(qū)別：標(biāo)準(zhǔn)化是將數(shù)據(jù)轉(zhuǎn)換為均值為0，標(biāo)準(zhǔn)差為1的分布，公式為(x-μ)/σ；歸一化是將數(shù)據(jù)縮放到[0,1]區(qū)間，公式為(x-min)/(max-min)。聯(lián)系：都是對數(shù)據(jù)進(jìn)行特征縮放，目的是使不同特征具有相同尺度，加快模型訓(xùn)練收斂速度，提高模型性能。3.優(yōu)點(diǎn)：原理簡單，容易理解和實(shí)現(xiàn)；計(jì)算復(fù)雜度低，效率高；對給定的簇?cái)?shù)K，能快速得到聚類結(jié)果。缺點(diǎn)：對初始聚類中心敏感，不同的初始值可能導(dǎo)致不同的聚類結(jié)果；不能很好反映高維數(shù)據(jù)及球形簇之外的數(shù)據(jù)分布；需要預(yù)先指定聚類簇?cái)?shù)K。五、綜合應(yīng)用題數(shù)據(jù)預(yù)處理：-讀取數(shù)據(jù)文件，檢查數(shù)據(jù)是否完整，有無缺失值。-對缺失值采用填充法（如均值填充）進(jìn)行處理。-對成績數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，使不同科目成績具有相同尺度。-對是否通過考試的類別進(jìn)行編碼，如0表示未通過，1表示通過。分類模型構(gòu)建：-采用決策樹算法。-以數(shù)學(xué)、語文、英語成績作