人工智能机器学习知识点解析与练习.docVIP

人工智能机器学习知识点解析与练习

姓名_________________________地址_______________________________学号______________________

-------------------------------密-------------------------封----------------------------线--------------------------

1.请首先在试卷的标封处填写您的姓名，身份证号和地址名称。

2.请仔细阅读各种题目，在规定的位置填写您的答案。

一、选择题

1.人工智能的发展历史中，以下哪个不是人工智能的关键时期？

A.智能时代

B.机器学习时代

C.专家系统时代

D.计算机视觉时代

2.以下哪个算法属于监督学习算法？

A.Kmeans

B.决策树

C.Apriori

D.聚类分析

3.在机器学习中，以下哪个指标通常用来评估分类算法的功能？

A.精确度

B.召回率

C.F1值

D.以上都是

4.以下哪个是深度学习中常用的激活函数？

A.Sigmoid

B.ReLU

C.Tanh

D.以上都是

5.在机器学习中，以下哪个问题不属于过拟合？

A.模型在训练集上表现良好，但在测试集上表现不佳

B.模型在训练集上表现不佳，但在测试集上表现良好

C.模型在训练集和测试集上表现良好

D.模型在训练集和测试集上表现不佳

6.以下哪个不是特征工程的步骤？

A.数据清洗

B.特征选择

C.特征转换

D.模型训练

7.在机器学习中，以下哪个不是常用的损失函数？

A.交叉熵

B.均方误差

C.逻辑回归

D.支持向量机

8.以下哪个是用于评估聚类效果的方法？

A.聚类中心

B.聚类轮廓

C.聚类方差

D.聚类熵

答案及解题思路：

1.答案：D

解题思路：人工智能的发展历史中，智能时代、机器学习时代和专家系统时代都是关键时期。计算机视觉时代虽然也是人工智能的一个重要分支，但不是传统意义上的人工智能发展的关键时期。

2.答案：B

解题思路：Kmeans、Apriori和聚类分析属于无监督学习算法，而决策树是一种监督学习算法，适用于分类和回归问题。

3.答案：D

解题思路：精确度、召回率和F1值都是评估分类算法功能的常用指标。精确度衡量的是预测正确的样本比例，召回率衡量的是实际为正类中被正确预测的比例，F1值是精确度和召回率的调和平均值。

4.答案：D

解题思路：Sigmoid、ReLU和Tanh都是深度学习中常用的激活函数，分别用于不同的网络结构和应用场景。

5.答案：C

解题思路：过拟合是指模型在训练集上表现良好，但在测试集上表现不佳的情况。如果模型在训练集和测试集上表现良好，则不属于过拟合。

6.答案：D

解题思路：特征工程包括数据清洗、特征选择和特征转换等步骤，而模型训练不属于特征工程的范畴。

7.答案：C

解题思路：交叉熵和均方误差是常用的损失函数，逻辑回归是一种分类算法，而支持向量机是一种用于分类和回归问题的机器学习算法。

8.答案：B

解题思路：聚类轮廓是用于评估聚类效果的方法，它通过计算样本与其所在簇内其他样本的距离与与其他簇样本的距离之比来衡量聚类的紧密程度。聚类中心、聚类方差和聚类熵也是评估聚类效果的方法，但不是最常用的。

二、填空题

1.人工智能的三个层次分别为弱人工智能、强人工智能、超人工智能。

2.机器学习的基本任务包括分类、回归、聚类。

3.以下哪个是监督学习算法？线性回归、支持向量机、决策树。

4.深度学习中的神经网络包括卷积神经网络、循环神经网络、对抗网络。

5.在机器学习中，过拟合通常是由于模型复杂度过高导致的。

6.特征工程包括数据清洗、特征选择、特征提取。

7.以下哪个是常用的损失函数？均方误差、交叉熵、绝对误差。

8.聚类分析中，以下哪个是评估聚类效果的方法？轮廓系数、DaviesBouldin指数、CalinskiHarabasz指数。

答案及解题思路：

答案：

1.弱人工智能、强人工智能、超人工智能

2.分类、回归、聚类

3.线性回归、支持向量机、决策树

4.卷积神经网络、循环神经网络、对抗网络

5.模型复杂度过高

6.数据清洗、特征选择、特征提取

7.均方误差、交叉熵、绝对误差

8.轮廓系数、DaviesBouldin指数、CalinskiHarabasz指数

解题思路：

1.人工智能的三个层次是根据人工智能的智能程度划分的，弱人工智能指人工智能在特定任务上表现出人类智能，强人工智能指人工智能在所有任务上表现出人类智能，超人工智能指人工智能的智能程度超过人类。

2.机器学习的基本任务是根