2025年大學人工智能（特征工程基礎(chǔ)）上學期期末測試卷

（考試時間：90分鐘滿分100分）班級______姓名______一、選擇題（總共10題，每題4分，在每小題給出的四個選項中，只有一項是符合題目要求的）1.以下關(guān)于特征工程的說法，錯誤的是（）A.特征工程是將原始數(shù)據(jù)轉(zhuǎn)換為更能代表預測模型的潛在問題的特征的過程B.好的特征工程能提升模型的性能和效果C.特征工程只需要關(guān)注數(shù)據(jù)的準確性，無需考慮數(shù)據(jù)的規(guī)模D.特征工程包括特征提取、特征選擇、特征構(gòu)建等環(huán)節(jié)2.在特征選擇中，以下哪種方法不屬于基于模型的方法（）A.決策樹B.支持向量機C.信息增益D.隨機森林3.對于高維稀疏數(shù)據(jù)，以下哪種特征提取方法比較合適（）A.主成分分析B.奇異值分解C.線性判別分析D.局部線性嵌入4.特征構(gòu)建的目的是（）A.從原始數(shù)據(jù)中提取新的特征B.去除無關(guān)特征C.選擇最重要的特征D.對特征進行歸一化處理5.以下關(guān)于特征縮放的說法，正確的是（）A.特征縮放能使模型更快收斂B.所有特征都需要進行相同的縮放方式C.特征縮放會改變數(shù)據(jù)的分布D.特征縮放只對數(shù)值型特征有效6.在處理文本數(shù)據(jù)時，常用的特征提取方法不包括（）A.詞袋模型B.TF-IDFC.詞向量模型D.線性回歸7.對于類別型特征，以下哪種編碼方式是最常用的（）A.獨熱編碼B.序數(shù)編碼C.二進制編碼D.哈希編碼8.特征工程中，數(shù)據(jù)清洗的主要目的不包括（）A.去除重復數(shù)據(jù)B.處理缺失值C.增加數(shù)據(jù)維度D.糾正錯誤數(shù)據(jù)9.以下哪種情況適合使用特征選擇（）A.數(shù)據(jù)維度較低B.模型性能已經(jīng)很好C.存在大量冗余特征D.數(shù)據(jù)量很少10.在特征工程中，以下哪種方法可以用于特征降維（）A.增加特征數(shù)量B.特征交叉C.聚類算法D.以上都不對二、多項選擇題（總共5題，每題6分，在每小題給出的四個選項中，有多項是符合題目要求的，錯選、多選、少選均不得分）1.特征工程的主要步驟包括（）A.數(shù)據(jù)收集B.特征提取C.特征選擇D.模型評估2.以下屬于特征選擇的方法有（）A.方差選擇法B.相關(guān)系數(shù)法C.決策樹重要性D.LASSO回歸3.對于特征提取，以下說法正確的是（）A.可以將原始數(shù)據(jù)轉(zhuǎn)換為更有意義的特征B.能降低數(shù)據(jù)的維度C.不同的特征提取方法適用于不同類型的數(shù)據(jù)D.特征提取后的數(shù)據(jù)更易于模型處理4.特征工程中，處理缺失值的方法有（）A.刪除含有缺失值的樣本B.用均值填充C.用中位數(shù)填充D.用模型預測值填充5.以下哪些屬于類別型特征的編碼方式（）A.獨熱編碼B.標簽編碼C.頻率編碼D.目標編碼三、判斷題（總共10題，每題3分，判斷下列說法的正誤）1.特征工程對模型的性能沒有太大影響。（）2.基于統(tǒng)計的特征選擇方法比基于模型的方法更準確。（）3.主成分分析可以用于特征提取和降維。（）4.特征構(gòu)建只能基于現(xiàn)有特征進行簡單組合。（）5.特征縮放會影響模型的預測結(jié)果。（）6.文本數(shù)據(jù)不需要進行特征工程。（）7.獨熱編碼適用于所有類別型特征。（）8.數(shù)據(jù)清洗是特征工程的重要環(huán)節(jié)之一。（）9.特征選擇可以去除所有無關(guān)特征。（）10.特征工程只在模型訓練前進行，訓練后不需要再考慮。（）四、簡答題（總共3題，每題10分，簡要回答問題）1.簡述特征工程中特征提取的常用方法及適用場景。2.說明特征選擇的重要性以及常用的特征選擇方法。3.舉例說明如何進行特征構(gòu)建，并闡述其意義。五、綜合題（總共1題，每題20分，結(jié)合實際案例進行分析）假設(shè)你正在處理一個預測客戶是否會購買某種產(chǎn)品的數(shù)據(jù)集，其中包含客戶的年齡、性別、收入、購買歷史等特征。請描述你將如何進行特征工程，包括數(shù)據(jù)清洗、特征提取、特征選擇、特征構(gòu)建等步驟，并說明理由。答案：一、選擇題1.C2.C3.B4.A5.A6.D7.A8.C9.C10.C二、多項選擇題1.ABC2.ABCD3.ABCD4.ABCD5.ABCD三、判斷題1.×2.×3.√4.×5.√6.×7.×8.√9.×10.×四、簡答題1.常用方法：主成分分析適用于數(shù)據(jù)維度高且存在相關(guān)性的情況，可提取主成分降維；奇異值分解用于高維數(shù)據(jù)處理；線性判別分析用于數(shù)據(jù)分類且有監(jiān)督的情況。適用場景：根據(jù)數(shù)據(jù)特點和分析目的選擇，如降維選主成分分析，處理高維稀疏數(shù)據(jù)選奇異值分解等。2.重要性：去除無關(guān)特征，減少噪聲，提高模型訓練效率和準確性，降低計算成本。常用方法：方差選擇法、相關(guān)系數(shù)法、決策樹重要性、LASSO回歸等。3.例如將客戶購買頻率和平均購買金額構(gòu)建為新特征“購買活躍度”。意義：能更全面反映客戶購買行為，為模型提供更有價值信息，有助于提升模型對客戶購買傾向的預測能力。五、綜合題數(shù)據(jù)清洗：檢查缺失值，用均值或中位數(shù)填充年齡、收入的缺失值；檢查異常值，對年齡等特征進行截斷處理。特征提?。簩δ挲g、收入進行標準化處理；將性別進行獨熱編碼。特征選擇