2025年AI比赛测试题附答案.docxVIP

2025年AI比赛测试题附答案

一、机器学习基础

选择题（每题3分，共30分）

1.在二分类任务中，若正样本占比仅5%，以下哪种损失函数最适合缓解类别不平衡问题？

A.交叉熵损失（CrossEntropyLoss）

B.FocalLoss

C.均方误差（MSE）

D.HingeLoss

2.以下哪种方法不能有效缓解过拟合？

A.增加训练数据量

B.减小模型复杂度

C.提高学习率

D.添加L2正则化

3.对于线性回归模型，若输入特征存在多重共线性，最可能导致以下哪种结果？

A.模型方差增大

B.模型偏差增大

C.参数估计不稳定

D.训练速度加快

4.在k近邻（kNN）算法中，当k值过小时，模型容易出现：

A.欠拟合

B.过拟合

C.高偏差

D.低方差

5.随机森林（RandomForest）与梯度提升树（GBDT）的核心区别在于：

A.随机森林使用bagging，GBDT使用boosting

B.随机森林仅用于分类，GBDT仅用于回归

C.随机森林不支持特征重要性计算

D.GBDT的基学习器是决策树，随机森林的基学习器是线性模型

6.在支持向量机（SVM）中，核函数的作用是：

A.降低特征维度

B.将低维线性不可分数据映射到高维线性可分空间

C.减少计算复杂度

D.直接解决非线性分类问题

7.以下哪项不属于集成学习（EnsembleLearning）的典型方法？

A.Stacking

B.Dropout

C.AdaBoost

D.XGBoost

8.在聚类任务中，轮廓系数（SilhouetteCoefficient）的取值范围是：

A.[1,1]

B.[0,1]

C.[∞,+∞]

D.[0,+∞]

9.主成分分析（PCA）的目标是：

A.最大化数据在低维空间中的方差

B.最小化数据在低维空间中的方差

C.最大化类间距离，最小化类内距离

D.最小化重构误差

10.对于非平衡数据的分类任务，以下评估指标中最不适用的是：

A.F1score

B.AUCROC

C.准确率（Accuracy）

D.召回率（Recall）

填空题（每题2分，共20分）

1.逻辑回归（LogisticRegression）的决策边界是________（线性/非线性）的。

2.梯度下降中，当学习率过小时，可能导致________（收敛速度慢/梯度爆炸）。

3.朴素贝叶斯（NaiveBayes）的“朴素”假设是________。

4.在kmeans算法中，初始质心的选择会影响最终聚类结果，常用的改进方法是________。

5.正则化的本质是通过________（增加/减少）模型复杂度的惩罚项，防止过拟合。

6.信息增益比（GainRatio）是为了克服信息增益对________（取值多/取值少）的特征的偏好。

7.在EM算法中，E步的全称是________，M步的全称是________。

8.线性判别分析（LDA）的目标是找到________，使得类间散布最大，类内散布最小。

9.岭回归（RidgeRegression）在损失函数中添加了________（L1/L2）正则项。

10.对于时间序列预测任务，若数据存在季节性，常用的预处理方法是________。

二、深度学习

选择题（每题3分，共15分）

1.以下哪种激活函数可以缓解梯度消失问题？

A.Sigmoid

B.Tanh

C.ReLU

D.Softmax

2.在卷积神经网络（CNN）中，感受野（ReceptiveField）指的是：

A.输出特征图中一个像素对应的输入图像区域

B.卷积核的大小

C.池化操作的步长

D.全连接层的神经元数量

3.循环神经网络（RNN）在处理长序列时容易出现梯度消失的根本原因是：

A.激活函数的导数绝对值小于1，多次相乘后趋近于0

B.模型参数过多导致计算量过大

C.输入序列长度超过内存限制

D.池化操作丢失了时间信息

4.Transformer模型中，多头注意力（MultiHeadAttention）的作用是：

A.减少计算复杂度

B.从不同子空间学习多样化的注意力模式

C.替代位置编码

D.增加模型深度

5.以下哪种归一化方法适用于循环