（第2頁）制卷人簽名：制卷日期制卷人簽名：制卷日期：審核人簽名：：審核日期：………………………………………………裝……訂……線…………………學(xué)院專業(yè)/班級(jí)學(xué)號(hào)姓名題號(hào)一二三四五六七八總分閱卷教師得分………………一、選擇題（總共10題，每題3分，每題只有一個(gè)正確答案，請將正確答案填在括號(hào)內(nèi)）1.以下哪種算法不屬于無監(jiān)督學(xué)習(xí)？（）A.決策樹B.聚類算法C.主成分分析D.自動(dòng)編碼器2.在梯度下降算法中，步長（learningrate）的選擇對(duì)算法的收斂速度有重要影響。如果步長過大，可能會(huì)導(dǎo)致（）。A.算法收斂到局部最優(yōu)解B.算法收斂速度過慢C.算法跳過最優(yōu)解D.算法不收斂3.神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)（activationfunction）的作用是（）。A.增加模型的非線性能力B.提高模型的訓(xùn)練速度C.減少模型的參數(shù)數(shù)量D.防止模型過擬合4.支持向量機(jī)（SVM）的主要目標(biāo)是（）。A.找到最大間隔超平面B.最小化分類錯(cuò)誤率C.最大化數(shù)據(jù)的方差D.最小化數(shù)據(jù)的均值5.以下關(guān)于K近鄰算法（KNN）的說法，錯(cuò)誤的是（）。A.KNN是一種有監(jiān)督學(xué)習(xí)算法B.KNN不需要進(jìn)行訓(xùn)練C.KNN的預(yù)測結(jié)果取決于K的取值D.KNN適用于高維數(shù)據(jù)6.隨機(jī)森林（RandomForest）是由多個(gè)（）組成的集成學(xué)習(xí)模型。A.決策樹B.神經(jīng)網(wǎng)絡(luò)C.支持向量機(jī)D.樸素貝葉斯7.在深度學(xué)習(xí)中，常用的優(yōu)化器（optimizer）不包括（）。A.AdamB.SGDC.RMSPropD.Lasso8.以下哪種方法可以用于處理數(shù)據(jù)中的缺失值？（）A.數(shù)據(jù)歸一化B.特征選擇C.插補(bǔ)法D.降維9.模型評(píng)估中，用于衡量回歸模型預(yù)測準(zhǔn)確性的常用指標(biāo)是（）。A.準(zhǔn)確率（accuracy）B.召回率（recall）C.F1值D.均方誤差（MSE）10.深度學(xué)習(xí)模型中的卷積層（ConvolutionalLayer）主要用于（）。A.提取數(shù)據(jù)的特征B.增加模型的非線性C.減少模型的參數(shù)數(shù)量D.對(duì)數(shù)據(jù)進(jìn)行分類二、多項(xiàng)選擇題（總共5題，每題4分，每題有兩個(gè)或以上正確答案，請將正確答案填在括號(hào)內(nèi)，多選、少選、錯(cuò)選均不得分）1.以下屬于監(jiān)督學(xué)習(xí)算法的有（）。A.線性回歸B.邏輯回歸C.樸素貝葉斯D.K均值聚類2.下列關(guān)于梯度下降的說法，正確的是（）。A.梯度下降是一種迭代優(yōu)化算法B.它通過不斷調(diào)整參數(shù)來最小化損失函數(shù)C.梯度的方向是函數(shù)值下降最快的方向D.步長越大，收斂速度越快3.神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)包括（）。A.具有很強(qiáng)的非線性擬合能力B.能夠自動(dòng)提取數(shù)據(jù)特征C.對(duì)數(shù)據(jù)的適應(yīng)性強(qiáng)D.模型訓(xùn)練速度快4.防止模型過擬合的方法有（）。A.增加訓(xùn)練數(shù)據(jù)B.使用正則化方法C.采用早停策略D.減少模型參數(shù)5.以下哪些技術(shù)可以用于特征工程？（）A.特征縮放B.特征選擇C.特征提取D.數(shù)據(jù)清洗三、判斷題（總共10題，每題2分，請判斷對(duì)錯(cuò)，對(duì)的打√，錯(cuò)的打×）1.無監(jiān)督學(xué)習(xí)不需要標(biāo)簽數(shù)據(jù)。（）2.決策樹算法只能處理數(shù)值型數(shù)據(jù)。（）3.神經(jīng)網(wǎng)絡(luò)中的隱藏層越多，模型的性能越好。（）4.支持向量機(jī)在處理線性不可分?jǐn)?shù)據(jù)時(shí)，需要使用核函數(shù)。（）5.K近鄰算法的計(jì)算復(fù)雜度與樣本數(shù)量成正比。（）6.隨機(jī)森林中的每棵決策樹都是獨(dú)立訓(xùn)練的。（）7.深度學(xué)習(xí)模型的訓(xùn)練過程就是不斷調(diào)整參數(shù)以降低損失函數(shù)值的過程。（）8.數(shù)據(jù)歸一化可以提高模型的收斂速度。（）9.模型評(píng)估指標(biāo)中的準(zhǔn)確率和召回率在所有情況下都同等重要。（）10.卷積神經(jīng)網(wǎng)絡(luò)只能用于圖像識(shí)別。（）四、簡答題（總共3題，每題10分）1.請簡要介紹梯度下降算法的原理，并說明如何選擇合適的步長。2.解釋支持向量機(jī)中的最大間隔超平面的概念，并說明其在分類問題中的作用。3.簡述特征選擇的主要方法，并說明其優(yōu)缺點(diǎn)。五、綜合題（總共2題，每題15分）1.給定一個(gè)簡單的數(shù)據(jù)集，包含特征