2025年人工智能与机器学习基础考试题及答案.docxVIP

2025年人工智能与机器学习基础考试题及答案

一、单项选择题（每题2分，共20分）

1.以下哪项属于监督学习任务？

A.客户分群（聚类）

B.图像风格迁移（无监督）

C.垃圾邮件分类（有标签）

D.异常检测（无监督）

答案：C

2.逻辑回归模型中，常用的损失函数是？

A.均方误差（MSE）

B.交叉熵损失（CrossEntropy）

C.hingeloss（支持向量机）

D.绝对误差（MAE）

答案：B

3.神经网络中，ReLU激活函数的表达式是？

A.\(f(x)=\frac{1}{1+e^{x}}\)（Sigmoid）

B.\(f(x)=\max(0,x)\)

C.\(f(x)=\tanh(x)\)（双曲正切）

D.\(f(x)=x\)（线性）

答案：B

4.为防止过拟合，以下哪种方法不属于正则化？

A.增加训练数据量（数据增强）

B.L2正则化（权重衰减）

C.早停法（EarlyStopping）

D.随机失活（Dropout）

答案：A（数据增强是缓解过拟合的方法，但不属于正则化技术）

5.梯度下降优化过程中，“鞍点”指的是？

A.损失函数的全局最小值点

B.损失函数的局部最小值点

C.梯度为零但非极值的点（导数为零但非最小/最大）

D.梯度爆炸的临界点

答案：C

6.以下哪种优化器结合了动量（Momentum）和自适应学习率（AdaptiveLearningRate）？

A.SGD（仅动量可选）

B.Adagrad（自适应学习率）

C.Adam（动量+自适应）

D.RMSprop（自适应）

答案：C

7.卷积神经网络（CNN）中，池化层的主要作用是？

A.增加特征图的深度（卷积层）

B.减少空间维度（降维，平移不变性）

C.引入非线性（激活函数）

D.防止梯度消失（残差连接）

答案：B

8.特征工程中，对“用户年龄”（连续型变量）进行分箱（Binning）处理的主要目的是？

A.增加特征维度（可能减少）

B.捕捉非线性关系（离散化后可捕捉分段关系）

C.消除量纲影响（标准化）

D.提高计算效率（可能降低）

答案：B

9.评估分类模型性能时，若关注“在预测为正类的样本中，实际为正类的比例”，应选择以下哪个指标？

A.准确率（Accuracy）

B.召回率（Recall，TP/(TP+FN)）

C.精确率（Precision，TP/(TP+FP)）

D.F1分数（调和平均）

答案：C

10.自然语言处理（NLP）中，词嵌入（WordEmbedding）的核心目标是？

A.将文本转换为等长向量（词袋模型）

B.捕捉词语的语义相关性（低维连续向量）

C.去除停用词（预处理）

D.实现文本分类（下游任务）

答案：B

二、填空题（每空2分，共20分）

1.决策树中，ID3算法使用__________作为划分准则，C4.5算法使用__________。（信息增益；信息增益比）

2.梯度下降的数学更新公式为：\(\theta_{t+1}=\theta_t\eta\cdot\nabla_{\theta}L(\theta_t)\)，其中\(\eta\)表示__________。（学习率）

3.交叉熵损失函数对二分类任务的表达式为：\(L=\frac{1}{N}\sum_{i=1}^N[y_i\log\hat{y}_i+(1y_i)\log(1\hat{y}_i)]\)，其中\(y_i\)是__________，\(\hat{y}_i\)是__________。（真实标签；预测概率）

4.L2正则化通过在损失函数中添加__________项来限制模型复杂度，数学形式为__________。（权重平方和；\(\frac{\lambda}{2}\|\theta\|^2_2\)）

5.循环神经网络（RNN）的隐藏状态更新公式为：\(h_t=\tanh(W_{hh}h_{t1}+W_{xh}x_t+b_h)\)，其中\(W_{hh}\)表示__________。（隐藏层到隐藏层的权重矩阵）

三、简答题（每题6分，共30分）

1.简述监督学习与无监督学习的核心区别，并各举一例。

答案：监督学习使用带标签的训练数据（输入x与目标y），目标是学