2025年大學(xué)人工智能與信息社會(huì)（機(jī)器學(xué)習(xí)基礎(chǔ)）下學(xué)期期末測(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)將正確答案填在括號(hào)內(nèi)）1.以下關(guān)于機(jī)器學(xué)習(xí)中監(jiān)督學(xué)習(xí)的說(shuō)法，正確的是（）A.監(jiān)督學(xué)習(xí)不需要給定訓(xùn)練數(shù)據(jù)B.監(jiān)督學(xué)習(xí)的目標(biāo)是預(yù)測(cè)輸入數(shù)據(jù)的類別或數(shù)值C.監(jiān)督學(xué)習(xí)中模型的輸出與輸入數(shù)據(jù)沒(méi)有關(guān)系D.監(jiān)督學(xué)習(xí)不能用于回歸問(wèn)題2.在決策樹(shù)算法中，用于選擇劃分屬性的準(zhǔn)則是（）A.信息增益B.基尼系數(shù)C.均方誤差D.以上都是3.以下哪種算法不屬于無(wú)監(jiān)督學(xué)習(xí)算法（）A.聚類算法B.決策樹(shù)算法C.主成分分析算法D.自編碼器算法4.支持向量機(jī)（SVM）的主要目標(biāo)是（）A.最大化分類間隔B.最小化分類間隔C.最大化訓(xùn)練誤差D.最小化訓(xùn)練誤差5.對(duì)于線性回歸模型，以下說(shuō)法錯(cuò)誤的是（）A.線性回歸模型是一種監(jiān)督學(xué)習(xí)模型B.線性回歸模型可以用于預(yù)測(cè)連續(xù)型變量C.線性回歸模型的目標(biāo)是找到一條直線，使預(yù)測(cè)值與真實(shí)值的誤差最小D.線性回歸模型只能處理線性關(guān)系的數(shù)據(jù)6.在神經(jīng)網(wǎng)絡(luò)中，激活函數(shù)的作用是（）A.增加模型的復(fù)雜度B.對(duì)輸入數(shù)據(jù)進(jìn)行非線性變換C.減少模型的參數(shù)數(shù)量D.提高模型的訓(xùn)練速度7.以下關(guān)于梯度下降算法的說(shuō)法，正確的是（）A.梯度下降算法是一種無(wú)監(jiān)督學(xué)習(xí)算法B.梯度下降算法可以用于求解凸函數(shù)的最小值C.梯度下降算法在每次迭代中都會(huì)使目標(biāo)函數(shù)的值增加D.梯度下降算法不需要初始化參數(shù)8.在K近鄰算法中，K的取值對(duì)分類結(jié)果有重要影響，以下說(shuō)法正確的是（）A.K值越大，模型越容易過(guò)擬合B.K值越小，模型越容易過(guò)擬合C.K值的大小與模型的過(guò)擬合沒(méi)有關(guān)系D.K值越大，模型的泛化能力越強(qiáng)9.以下哪種機(jī)器學(xué)習(xí)算法常用于文本分類任務(wù)（）A.支持向量機(jī)B.決策樹(shù)C.樸素貝葉斯D.以上都是10.在機(jī)器學(xué)習(xí)中，交叉驗(yàn)證的主要目的是（）A.評(píng)估模型的泛化能力B.提高模型的訓(xùn)練速度C.減少模型的參數(shù)數(shù)量D.增加模型的復(fù)雜度二、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)將正確答案填在括號(hào)內(nèi)，少選、多選均不得分）1.以下屬于機(jī)器學(xué)習(xí)中常用的評(píng)估指標(biāo)的有（）A.準(zhǔn)確率B.召回率C.F1值D.均方誤差2.決策樹(shù)算法的優(yōu)點(diǎn)包括（）A.模型簡(jiǎn)單，易于理解和解釋B.可以處理數(shù)值型和類別型數(shù)據(jù)C.不需要進(jìn)行特征縮放D.對(duì)缺失值不敏感3.以下哪些算法屬于深度學(xué)習(xí)算法（）A.卷積神經(jīng)網(wǎng)絡(luò)（CNN）B.循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）C.深度信念網(wǎng)絡(luò)（DBN）D.支持向量機(jī)（SVM）4.在聚類算法中，常用的距離度量方法有（）A.歐氏距離B.曼哈頓距離C.余弦相似度D.漢明距離5.以下關(guān)于模型評(píng)估的說(shuō)法，正確的有（）A.訓(xùn)練集用于訓(xùn)練模型B.驗(yàn)證集用于調(diào)整模型超參數(shù)C.測(cè)試集用于評(píng)估模型的最終性能D.可以使用同一數(shù)據(jù)集進(jìn)行訓(xùn)練、驗(yàn)證和測(cè)試三、判斷題（總共10題，每題2分，請(qǐng)判斷對(duì)錯(cuò)，在括號(hào)內(nèi)打“√”或“×”）1.機(jī)器學(xué)習(xí)是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。（）2.無(wú)監(jiān)督學(xué)習(xí)主要用于發(fā)現(xiàn)數(shù)據(jù)中的潛在模式和結(jié)構(gòu)，而不需要預(yù)先定義的標(biāo)簽。（）3.決策樹(shù)算法在構(gòu)建過(guò)程中，會(huì)優(yōu)先選擇信息增益大的屬性進(jìn)行劃分。（）4.支持向量機(jī)只能處理線性可分的數(shù)據(jù)。（）5.線性回歸模型的損失函數(shù)通常采用均方誤差。（）6.在神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元之間的連接權(quán)重是隨機(jī)初始化的。（）7.梯度下降算法是一種全局最優(yōu)解搜索算法。（）8.K近鄰算法的計(jì)算復(fù)雜度與樣本數(shù)量和特征數(shù)量無(wú)關(guān)。（）9.樸素貝葉斯算法基于貝葉斯定理和特征條件獨(dú)立假設(shè)。（）10.模型的過(guò)擬合是指模型在訓(xùn)練集上表現(xiàn)良好，但在測(cè)試集上表現(xiàn)較差的現(xiàn)象。（）四、簡(jiǎn)答題（總共3題，每題10分，請(qǐng)簡(jiǎn)要回答問(wèn)題）1.請(qǐng)簡(jiǎn)述監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)的區(qū)別。2.決策樹(shù)算法在構(gòu)建過(guò)程中，如何避免過(guò)擬合？3.請(qǐng)說(shuō)明支持向量機(jī)的基本原理，并舉例說(shuō)明其在實(shí)際中的應(yīng)用。五、綜合題（總共1題，每題20分，請(qǐng)結(jié)合所學(xué)知識(shí)，完成題目要求）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)使用決策樹(shù)算法構(gòu)建一個(gè)分類模型，并對(duì)模型進(jìn)行評(píng)估。請(qǐng)?jiān)敿?xì)描述你的步驟，包括數(shù)據(jù)預(yù)處理、模型訓(xùn)練、模型評(píng)估等過(guò)程。答案：一、單項(xiàng)選擇題1.B2.D3.B4.A5.D6.B7.B8.B9.D10.A二、多項(xiàng)選擇題1.ABCD2.ABD3.ABC4.ABC5.ABC三、判斷題1.√2.√3.√4.×5.√6.√7.×8.×9.√10.×四、簡(jiǎn)答題1.監(jiān)督學(xué)習(xí)有預(yù)先定義的標(biāo)簽，模型根據(jù)已知標(biāo)簽數(shù)據(jù)學(xué)習(xí)規(guī)律以預(yù)測(cè)未知數(shù)據(jù)標(biāo)簽；無(wú)監(jiān)督學(xué)習(xí)無(wú)預(yù)先定義標(biāo)簽，旨在發(fā)現(xiàn)數(shù)據(jù)內(nèi)在模式和結(jié)構(gòu)。2.可通過(guò)剪枝操作，如預(yù)剪枝在構(gòu)建樹(shù)時(shí)提前停止分裂，避免過(guò)度擬合；后剪枝在樹(shù)構(gòu)建完后對(duì)節(jié)點(diǎn)合并或刪除，降低過(guò)擬合風(fēng)險(xiǎn)。還可適當(dāng)增加訓(xùn)練數(shù)據(jù)量，提高模型泛化能力。3.基本原理：尋找一個(gè)超平面將不同類數(shù)據(jù)分開(kāi)，使間隔最大。應(yīng)用：在手寫數(shù)字識(shí)別中，將手寫數(shù)字圖像特征作為輸入，通過(guò)SVM訓(xùn)練分類模型，可準(zhǔn)確識(shí)別數(shù)字。五、綜合題1.數(shù)據(jù)預(yù)處理：檢查數(shù)據(jù)缺失值，可采用均值、中位數(shù)等填充；對(duì)類別型數(shù)據(jù)