2025年人工智能训练师（四级）真题下载卷.docxVIP

2025年人工智能训练师（四级）真题下载卷

考试时间：______分钟总分：______分姓名：______

一、选择题

1.以下哪一项不属于机器学习的常见学习范式？

A.监督学习

B.无监督学习

C.半监督学习

D.混合学习

2.在特征工程中，将类别特征转换为数值特征的技术通常称为？

A.特征缩放

B.特征编码

C.特征选择

D.特征提取

3.下列关于线性回归的说法，错误的是？

A.线性回归模型假设因变量与自变量之间存在线性关系

B.最小二乘法是常用的线性回归参数估计方法

C.线性回归对异常值非常敏感

D.线性回归可以处理非线性关系

4.决策树模型在训练过程中，用于选择分裂属性的标准通常包括？

A.信息增益

B.基尼不纯度

C.两者都是

D.两者都不是

5.在处理不平衡数据集时，以下哪种方法属于过采样技术？

A.SMOTE

B.ROS

C.下采样

D.损失函数加权

6.下列哪个Python库主要用于数据分析和处理？

A.NumPy

B.Matplotlib

C.Scikit-learn

D.TensorFlow

7.在模型训练过程中，过拟合现象指的是？

A.模型对训练数据拟合不足

B.模型对训练数据拟合过度，泛化能力差

C.模型训练速度过慢

D.模型无法收敛

8.评估分类模型性能时，precision（精确率）指的是？

A.真正例在所有预测为正例中的比例

B.真正例在所有实际为正例中的比例

C.真负例在所有预测为负例中的比例

D.真负例在所有实际为负例中的比例

9.下列关于K-Means聚类算法的说法，正确的是？

A.K-Means是一种有监督学习算法

B.K-Means需要预先指定簇的数量K

C.K-Means对初始聚类中心的选择非常敏感

D.K-Means能够保证找到全局最优的聚类结果

10.在进行数据标准化（Z-scorenormalization）时，公式中的μ通常代表？

A.样本数量

B.数据的标准差

C.数据的均值

D.数据的最大值

二、填空题

1.机器学习算法通过从________中学习模式，以便对新的、未见过的数据进行预测或决策。

2.决策树模型中，树的最底层节点称为________。

3.在Scikit-learn中，用于执行逻辑回归模型训练的类是________。

4.处理缺失值的一种简单方法是使用该特征的________进行填充。

5.评估回归模型性能时，常用的指标包括均方误差（MSE）、均方根误差（RMSE）和________。

6.Python中的NumPy库提供了一个强大的N维数组对象，其默认数据类型通常是________。

7.交叉验证是一种用于模型评估和选择的技术，它将数据集划分为________个子集。

8.在特征工程中，通过组合现有特征生成新特征的技术称为________。

9.深度学习模型通常使用________算法进行参数优化。

10.对模型预测结果进行可视化，例如绘制散点图、直方图或________曲线，有助于直观理解模型性能。

三、简答题

1.简述监督学习和无监督学习的主要区别。

2.解释过拟合和欠拟合的概念，并简述可能导致这两种情况的原因。

3.描述在使用Scikit-learn进行机器学习建模时，一个典型的流程包括哪些主要步骤。

4.什么是特征工程？请列举至少三种常见的特征工程方法。

5.解释什么是模型评估，为什么需要进行模型评估？常用的模型评估指标有哪些？

四、操作题

假设你获得了一份包含以下几列的数据集：`id`（整数型，记录ID），`age`（浮点型，年龄），`gender`（字符串型，Male或Female），`income`（浮点型，年收入），`purchased`（整数型，是否购买产品，1表示购买，0表示未购买）。

请完成以下任务：

1.加载数据：假设数据以CSV格式存储在文件`data.csv`中，使用Python的Pandas库加载数据。

2.数据预处理：

*删除包含缺失值的行。

*将`gender`特征进行编码，将其转换为数值形式（例如，Male编码为0，Female编码