2025 年大学二年级人工智能专业《机器学习基础》期末考试测验卷及答案.docVIP

2025年大学二年级人工智能专业《机器学习基础》期末考试测验卷及答案

填空题

1.机器学习中，常见的监督学习算法有（）和（）。

2.决策树的构建过程主要包括（）和（）两个步骤。

3.支持向量机的核心思想是（）。

4.神经网络中，神经元之间的连接通过（）来实现信息传递。

5.聚类算法中，K-Means算法的目标是（）。

6.梯度下降法是一种用于（）的优化算法。

7.朴素贝叶斯分类器基于（）假设。

8.集成学习主要包括（）和（）两种方法。

9.模型评估中，常用的评估指标有（）和（）等。

10.过拟合是指模型在（）上表现良好，但在（）上表现较差的现象。

单项选择题

1.以下哪种算法不属于无监督学习？（）

A.K-Means算法B.决策树算法C.主成分分析算法D.高斯混合模型算法

2.决策树中，用于划分节点的属性是通过（）来选择的。

A.信息增益B.基尼系数C.均方误差D.以上都可以

3.支持向量机中，最大间隔超平面是指（）。

A.距离最近的支持向量最远的超平面B.包含所有支持向量的超平面

C.与数据分布中心重合的超平面D.以上都不对

4.神经网络中，激活函数的作用是（）。

A.增加模型的非线性B.加快模型的收敛速度

C.减少模型的参数数量D.提高模型的泛化能力

5.聚类算法中，DBSCAN算法能够发现（）。

A.任意形状的簇B.只能发现球形簇

C.只能发现线性簇D.以上都不对

6.梯度下降法中，步长的选择对算法的收敛速度有重要影响，以下哪种说法正确？（）

A.步长越大，收敛速度越快B.步长越小，收敛速度越快

C.合适的步长能使算法快速收敛D.步长与收敛速度无关

7.朴素贝叶斯分类器在处理（）数据时表现较好。

A.连续型B.离散型C.混合型D.以上都可以

8.集成学习中，Bagging方法是通过（）来构建多个基模型的。

A.对数据进行重采样B.对模型进行随机初始化

C.对特征进行随机选择D.以上都不对

9.模型评估中，准确率和召回率的关系是（）。

A.准确率越高，召回率越高B.准确率越高，召回率越低

C.两者没有必然联系D.以上都不对

10.防止过拟合的方法不包括以下哪种？（）

A.增加数据量B.减少模型复杂度C.增加模型参数D.使用正则化

多项选择题

1.以下属于监督学习算法的有（）。

A.线性回归B.逻辑回归C.支持向量机D.K-Means算法

2.决策树的优点包括（）。

A.模型简单，易于理解B.不需要大量的计算资源

C.能够处理高维数据D.对数据的分布没有要求

3.支持向量机的优点有（）。

A.对高维数据有效B.能够处理非线性分类问题

C.不容易过拟合D.训练速度快

4.神经网络的类型包括（）。

A.前馈神经网络B.递归神经网络C.循环神经网络D.卷积神经网络

5.聚类算法的应用场景有（）。

A.客户细分B.图像分割C.数据压缩D.异常检测

6.梯度下降法的优化策略包括（）。

A.随机梯度下降B.批量梯度下降C.自适应梯度下降D.二阶梯度下降

7.朴素贝叶斯分类器的假设包括（）。

A.特征之间相互独立B.每个特征的贡献相同

C.数据服从高斯分布D.数据服从均匀分布

8.集成学习中，Boosting方法的特点有（）。

A.基模型之间是串行训练的B.能够减少偏差

C.容易过拟合D.对噪声数据敏感

9.模型评估中，常用的数据划分方法有（）。

A.留出法B.交叉验证法C.自助法D.以上都不对

10.处理过拟合的正则化方法包括（）。

A.L1正则化B.L2正则化C.弹性网络正则化D.以上都不对

判断题

1.机器学习就是让计算机自动从数据中学习模式和规律的过程。（）

2.决策树只能用于分类问题，不能用于回归问题。（）

3.支持向量机的目标是找到一个最优的分类超平面，使分类间隔最大。（）

4.神经网络中的神经元越多，模型的性能就一定越好。（）

5.聚类算法不需要预先知道数据的类别标签。（）

6.梯度下降法一定能找到全局最优解。（）

7.朴素贝叶斯分类器对缺失值敏感。（）

8.集成学习中，Bagging方法比Boosting方法更适合处理高偏差问题。（）

9.