大连汽车职业技术学院《机器学习及医学图像分析》2023-2024学年第二学期期末试卷.docVIP

站名：

站名：年级专业：姓名：学号：

凡年级专业、姓名、学号错写、漏写或字迹不清者，成绩按零分记。

…………密………………封………………线…………

第PAGE1页，共NUMPAGES1页

大连汽车职业技术学院

《机器学习及医学图像分析》2023-2024学年第二学期期末试卷

题号

一

二

三

四

总分

得分

一、单选题（本大题共30个小题，每小题1分，共30分．在每小题给出的四个选项中，只有一项是符合题目要求的．）

1、在进行特征工程时，需要对连续型特征进行离散化处理。以下哪种离散化方法在某些情况下可以保留更多的信息，同时减少数据的复杂性？（）

A.等宽离散化

B.等频离散化

C.基于聚类的离散化

D.基于决策树的离散化

2、机器学习在图像识别领域也取得了巨大的成功。以下关于机器学习在图像识别中的说法中，错误的是：机器学习可以用于图像分类、目标检测、图像分割等任务。常见的图像识别算法有卷积神经网络、支持向量机等。那么，下列关于机器学习在图像识别中的说法错误的是（）

A.卷积神经网络通过卷积层和池化层自动学习图像的特征表示

B.支持向量机在图像识别中的性能通常不如卷积神经网络

C.图像识别算法的性能主要取决于数据的质量和数量，与算法本身关系不大

D.机器学习在图像识别中的应用还面临着一些挑战，如小样本学习、对抗攻击等

3、在分类问题中，如果正负样本比例严重失衡，以下哪种评价指标更合适？（）

A.准确率B.召回率C.F1值D.均方误差

4、考虑一个时间序列预测问题，数据具有明显的季节性特征。以下哪种方法可以处理这种季节性？（）

A.在模型中添加季节性项

B.使用季节性差分

C.采用季节性自回归移动平均（SARIMA）模型

D.以上都可以

5、在进行自动特征工程时，以下关于自动特征工程方法的描述，哪一项是不准确的？（）

A.基于深度学习的自动特征学习可以从原始数据中自动提取有意义的特征

B.遗传算法可以用于搜索最优的特征组合

C.自动特征工程可以完全替代人工特征工程，不需要人工干预

D.自动特征工程需要大量的计算资源和时间，但可以提高特征工程的效率

6、在一个异常检测的任务中，数据分布呈现多峰且存在离群点。以下哪种异常检测算法可能表现较好？（）

A.基于密度的局部异常因子（LOF）算法，能够发现局部密度差异较大的异常点，但对参数敏感

B.一类支持向量机（One-ClassSVM），适用于高维数据，但对数据分布的假设较强

C.基于聚类的异常检测，将远离聚类中心的点视为异常，但聚类效果对结果影响较大

D.以上算法结合使用，根据数据特点选择合适的方法或进行组合

7、某研究团队正在开发一个用于预测股票价格的机器学习模型，需要考虑市场的动态性和不确定性。以下哪种模型可能更适合处理这种复杂的时间序列数据？（）

A.长短时记忆网络（LSTM）结合注意力机制

B.门控循环单元（GRU）与卷积神经网络（CNN）的组合

C.随机森林与自回归移动平均模型（ARMA）的融合

D.以上模型都有可能

8、当使用支持向量机（SVM）进行分类任务时，如果数据不是线性可分的，通常会采用以下哪种方法（）

A.增加样本数量

B.降低维度

C.使用核函数将数据映射到高维空间

D.更换分类算法

9、在机器学习中，交叉验证是一种常用的评估模型性能和选择超参数的方法。假设我们正在使用K折交叉验证来评估一个分类模型。以下关于交叉验证的描述，哪一项是不准确的？（）

A.将数据集随机分成K个大小相等的子集，依次选择其中一个子集作为测试集，其余子集作为训练集

B.通过计算K次实验的平均准确率等指标来评估模型的性能

C.可以在交叉验证过程中同时调整多个超参数，找到最优的超参数组合

D.交叉验证只适用于小数据集，对于大数据集计算成本过高，不适用

10、过拟合是机器学习中常见的问题之一。以下关于过拟合的说法中，错误的是：过拟合是指模型在训练数据上表现很好，但在测试数据上表现不佳。过拟合的原因可能是模型过于复杂或者训练数据不足。那么，下列关于过拟合的说法错误的是（）

A.增加训练数据可以缓解过拟合问题

B.正则化是一种常用的防止过拟合的方法

C.过拟合只在深度学习中出现，传统的机器学习算法不会出现过拟合问题

D.可以通过交叉验证等方法来检测过拟合

11、假设正在进行一项时间序列预测任务，例如预测股票价格的走势。在选择合适的模型时，需要考虑时间序列的