山东财经大学《机器学习》2021 -2022学年第一学期期末试卷 .pdfVIP

山东财经大学《机器学习》2021-2022学年第一学期期末试卷

《机器学习》

院/系——年纪——专业——姓名——学号——

考试范围:《机器学习》；满分：120分；考试时间：120分钟

选择题填空题简答题计算题应用题总分

一、选择题（每题2分，共20分）

1.下列关于机器学习的描述，哪一项是正确的？

A.机器学习是一种无需人工干预，机器就能自主产生智能的技术。

B.机器学习是让机器模拟人类的学习行为，以获取新的知识或技能。

C.机器学习仅适用于大规模数据集，不适用于小规模数据集。

D.机器学习是人工智能的一个子集，但两者没有本质区别。

2.监督学习中的“标签”指的是什么？

A.数据集中的特征值

B.数据集中的目标变量

C.数据集的分布规律

D.数据集的噪声

3.下列哪种算法属于无监督学习？

A.K-近邻算法

B.决策树

C.K-均值聚类

D.逻辑回归

4.关于正则化技术，下列描述错误的是？

A.正则化用于防止过拟合。

B.L1正则化倾向于产生稀疏的权值。

C.L2正则化倾向于产生平滑的权值。

D.正则化项越大，模型复杂度越高。

5.在神经网络中，以下哪项不是常用的激活函数？

A.Sigmoid

B.ReLU

C.Tanh

D.Linear

6.在机器学习中，哪项任务通常涉及通过训练数据来预测连续型的目标变量？

A.分类

B.回归

C.聚类

D.降维

7.下列哪种算法属于集成学习方法？

A.决策树

B.随机森林

C.K-均值聚类

D.朴素贝叶斯

8.在支持向量机（SVM）中，软间隔SVM通过什么方式处理数据中的噪声或异常值？

A.增加样本数量

B.引入松弛变量

C.更改核函数

D.调整学习率

9.深度学习中，卷积神经网络（CNN）通常用于处理哪种类型的数据？

A.文本数据

B.图像数据

C.序列数据

D.表格数据

10.当使用神经网络进行训练时，过拟合的一个可能表现是？

A.训练集上的损失函数值持续增加

B.训练集上的准确率持续增加，但测试集上的准确率停滞不前

C.测试集上的损失函数值持续下降

D.训练集和测试集上的准确率都持续增加

二、填空题（每题2分，共10分）

1.机器学习的三大要素包括______、______和______。

2.在决策树算法中，用于度量划分后数据集纯度的指标是______。

3.支持向量机（SVM）的基本思想是通过寻找一个______来最大化正负样本之间的间隔。

4.在神经网络中，______层负责将输入数据映射到隐藏层或输出层。

5.交叉验证是一种用于评估模型性能的技术，常见的交叉验证方法包括______交叉验证、

______交叉验证等。

三、简答题（每题10分，共40分）

1.请简述监督学习和无监督学习的区别，并各举一个应用场景的例子。

2.梯度下降算法是机器学习中常用的优化算法之一，请简述其基本原理和步骤。

3.什么是过拟合和欠拟合？请简述它们的区别以及如何处理过拟合问题。

4.描述什么是梯度消失问题，并解释为什么它在深度神经网络训练中是一个常见问题。

四、计算题（每题15分，共30分）

1.假设你有一个包含100个样本的二分类数据集，其中正样本60个，负样本40个。请计

算该数据集的准确率、精确率、召回率和F1分数（假设你使用了一个简单的阈值分类

器，且阈值设定为0.5）。

2.给定一个二维数据集，其包含以下两个特征（X1和X2）和目标变量y：

|X1|X2|y|

||||

|1|2|0|

|3|4|1|

|5|6|0|

|7|8|1|

请使用感知机算

法来训练一个分

类器，并给出权

重向量w和偏

置项b

的更新过程。

五、应用题（每题20分，共20分）

.描述一种使用机器学习技术解决现实问题的方案。请具体说明问题背景、数据集、使用的

机器学习算法、模型评估方法和可能的改进方向。