第1頁學(xué)院：專業(yè)班級(jí)：姓名：學(xué)院：專業(yè)班級(jí)：姓名：學(xué)號(hào)：裝訂線內(nèi)不要答題學(xué)院/專業(yè)：__________姓名：__________學(xué)號(hào)：__________注意事項(xiàng)：1、本試卷滿分100分。2、考試時(shí)間120分鐘。題號(hào)一二三四五六七得分得分評(píng)閱人一、選擇題（總共10題，每題3分，在每小題給出的四個(gè)選項(xiàng)中，只有一項(xiàng)是符合題目要求的）1.以下關(guān)于機(jī)器學(xué)習(xí)中模型評(píng)估指標(biāo)的說法，錯(cuò)誤的是（）A.準(zhǔn)確率（Accuracy）適用于所有分類問題B.F1值綜合考慮了精確率（Precision）和召回率（Recall）C.均方誤差（MSE）常用于回歸模型的評(píng)估D.ROC曲線下的面積（AUC）越大，模型性能越好2.下列哪種算法不屬于無監(jiān)督學(xué)習(xí)算法（）A.K均值聚類算法B.決策樹算法C.主成分分析算法D.高斯混合模型算法3.在支持向量機(jī)（SVM）中，引入核函數(shù)的目的是（）A.提高模型的泛化能力B.解決線性不可分問題C.加快模型的訓(xùn)練速度D.降低模型的計(jì)算復(fù)雜度4.對(duì)于梯度下降算法，以下說法正確的是（）A.梯度方向是函數(shù)值下降最快的方向B.步長(zhǎng)越大，收斂速度越快C.梯度下降算法只能用于線性模型D.隨機(jī)梯度下降每次更新參數(shù)時(shí)只使用一個(gè)樣本5.以下關(guān)于神經(jīng)網(wǎng)絡(luò)的說法，正確的是（）A.增加神經(jīng)網(wǎng)絡(luò)的層數(shù)一定會(huì)提高模型性能B.神經(jīng)元的激活函數(shù)可以是任意函數(shù)C.反向傳播算法用于計(jì)算神經(jīng)網(wǎng)絡(luò)的梯度D.神經(jīng)網(wǎng)絡(luò)只能處理數(shù)值型數(shù)據(jù)6.下列哪個(gè)模型是基于概率圖模型的（）A.樸素貝葉斯模型B.邏輯回歸模型C.支持向量機(jī)模型D.決策樹模型7.在K近鄰算法中，K的取值對(duì)模型性能的影響是（）A.K越大，模型越容易過擬合B.K越小，模型越容易過擬合C.K的取值不影響模型性能D.K越大，模型的計(jì)算復(fù)雜度越低8.以下哪種方法不屬于特征選擇的方法（）A.主成分分析B.決策樹的剪枝C.Lasso回歸D.隨機(jī)森林9.對(duì)于深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)（CNN），卷積層的主要作用是（）A.對(duì)輸入數(shù)據(jù)進(jìn)行降維B.增加模型的非線性C.提取數(shù)據(jù)的特征D.對(duì)數(shù)據(jù)進(jìn)行分類10.下列關(guān)于模型正則化的說法，錯(cuò)誤的是（）A.L1正則化會(huì)使參數(shù)變得稀疏B.L2正則化可以防止模型過擬合C.正則化參數(shù)越大，模型的泛化能力越強(qiáng)D.正則化是通過在損失函數(shù)中添加懲罰項(xiàng)實(shí)現(xiàn)的二、多項(xiàng)選擇題（總共5題，每題4分，在每小題給出的選項(xiàng)中，有多項(xiàng)符合題目要求，全部選對(duì)得4分，選對(duì)但不全得2分，有選錯(cuò)得0分）1.以下哪些是機(jī)器學(xué)習(xí)中常用的優(yōu)化算法（）A.AdagradB.RMSPropC.AdamD.SGD2.下列屬于集成學(xué)習(xí)方法的有（）A.隨機(jī)森林B.梯度提升樹C.決策樹樁D.支持向量機(jī)3.在深度學(xué)習(xí)中，常用的損失函數(shù)有（）A.交叉熵?fù)p失函數(shù)B.均方誤差損失函數(shù)C.Huber損失函數(shù)D.絕對(duì)值損失函數(shù)4.以下關(guān)于數(shù)據(jù)預(yù)處理的說法，正確的有（）A.數(shù)據(jù)標(biāo)準(zhǔn)化可以使不同特征具有相同的尺度B.數(shù)據(jù)歸一化可以將數(shù)據(jù)映射到[0,1]區(qū)間C.缺失值處理方法包括刪除缺失值所在的樣本或特征D.數(shù)據(jù)清洗主要是去除噪聲和重復(fù)數(shù)據(jù)5.對(duì)于機(jī)器學(xué)習(xí)中的模型評(píng)估，以下說法正確的有（）A.訓(xùn)練集用于訓(xùn)練模型參數(shù)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)行模型訓(xùn)練、驗(yàn)證和測(cè)試三、判斷題（總共10題，每題2分，判斷下列說法的正誤）1.機(jī)器學(xué)習(xí)中的模型都是確定性模型，不存在概率模型。（）2.線性回歸模型的目標(biāo)是最小化預(yù)測(cè)值與真實(shí)值之間的絕對(duì)誤差。（）3.決策樹的剪枝可以防止模型過擬合。（）4.神經(jīng)網(wǎng)絡(luò)中的權(quán)重初始化對(duì)模型的訓(xùn)練和性能沒有影響。（）5.無監(jiān)督學(xué)習(xí)的目標(biāo)是從數(shù)據(jù)中發(fā)現(xiàn)潛在的模式和規(guī)律。（）6.支持向量機(jī)中的間隔最大化原則可以保證模型的泛化能力。（）7.隨機(jī)森林中的每棵決策樹都是獨(dú)立訓(xùn)練的，沒有任何關(guān)聯(lián)。（）8.特征工程只包括特征選擇和特征提取，不包括特征構(gòu)建。（）9.深度學(xué)習(xí)模型的訓(xùn)練過程中，一定會(huì)出現(xiàn)梯度消失或梯度爆炸的問題。（）10.模型評(píng)估指標(biāo)的選擇只取決于問題的類型，與模型的具體應(yīng)用無關(guān)。（）四、簡(jiǎn)答題（總共3題，每題10分，請(qǐng)簡(jiǎn)要回答問題）1.請(qǐng)簡(jiǎn)述梯度下降算法的基本原理和步驟。2.解釋樸素貝葉斯分類器的基本思想，并說明其優(yōu)缺點(diǎn)。3.簡(jiǎn)述深度學(xué)習(xí)中反向傳播算法的作用和計(jì)算過程。五、綜合題（總共2題，每題20分，請(qǐng)結(jié)合所學(xué)知識(shí)，詳細(xì)解答問題）1.給定一個(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)完整的機(jī)器學(xué)習(xí)流程，包括數(shù)據(jù)預(yù)處理、模型選擇、訓(xùn)練、評(píng)估和調(diào)優(yōu)，以