北京理工大学《机器学习》2022-2023学年第一学期期末试卷.docVIP

装订线

装订线

PAGE2

第PAGE1页，共NUMPAGES3页

北京理工大学《机器学习》

2022-2023学年第一学期期末试卷

院(系)_______班级_______学号_______姓名_______

题号

一

二

三

四

总分

得分

批阅人

一、单选题（本大题共20个小题，每小题1分，共20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、在机器学习中，特征工程是非常重要的一步。假设我们要预测一个城市的空气质量，有许多相关的原始数据，如气象数据、交通流量、工厂排放等。以下关于特征工程的描述，哪一项是不准确的？（）

A.对原始数据进行标准化或归一化处理，可以使不同特征在数值上具有可比性

B.从原始数据中提取新的特征，例如计算交通流量的日变化率，有助于提高模型的性能

C.特征选择是选择对目标变量有显著影响的特征，去除冗余或无关的特征

D.特征工程只需要在模型训练之前进行一次，后续不需要再进行调整和优化

2、在一个异常检测任务中，如果异常样本的特征与正常样本有很大的不同，以下哪种方法可能效果较好？（）

A.基于距离的方法，如K近邻

B.基于密度的方法，如DBSCAN

C.基于聚类的方法，如K-Means

D.以上都不行

3、在进行模型评估时，除了准确率、召回率等指标，还可以使用混淆矩阵来更全面地了解模型的性能。假设我们有一个二分类模型的混淆矩阵。以下关于混淆矩阵的描述，哪一项是不准确的？（）

A.混淆矩阵的行表示真实类别，列表示预测类别

B.真阳性（TruePositive，TP）表示实际为正例且被预测为正例的样本数量

C.假阴性（FalseNegative，FN）表示实际为正例但被预测为负例的样本数量

D.混淆矩阵只能用于二分类问题，不能用于多分类问题

4、某研究需要对生物信息数据进行分析，例如基因序列数据。以下哪种机器学习方法在处理生物信息学问题中经常被应用？（）

A.隐马尔可夫模型

B.条件随机场

C.深度学习模型

D.以上方法都常用

5、在一个图像生成任务中，例如生成逼真的人脸图像，生成对抗网络（GAN）是一种常用的方法。GAN由生成器和判别器组成，它们在训练过程中相互对抗。以下关于GAN训练过程的描述，哪一项是不正确的？（）

A.生成器的目标是生成尽可能逼真的图像，以欺骗判别器

B.判别器的目标是准确区分真实图像和生成器生成的图像

C.训练初期，生成器和判别器的性能都比较差，生成的图像质量较低

D.随着训练的进行，判别器的性能逐渐下降，而生成器的性能不断提升

6、在进行强化学习中的策略优化时，以下关于策略优化方法的描述，哪一项是不正确的？（）

A.策略梯度方法通过直接计算策略的梯度来更新策略参数

B.信赖域策略优化（TrustRegionPolicyOptimization，TRPO）通过限制策略更新的幅度来保证策略的改进

C.近端策略优化（ProximalPolicyOptimization，PPO）是一种基于策略梯度的改进算法，具有更好的稳定性和收敛性

D.所有的策略优化方法在任何强化学习任务中都能取得相同的效果，不需要根据任务特点进行选择

7、在进行特征工程时，如果特征之间存在共线性，即一个特征可以由其他特征线性表示，以下哪种方法可以处理共线性？（）

A.去除相关特征

B.对特征进行主成分分析

C.对特征进行标准化

D.以上都可以

8、某机器学习模型在训练过程中，损失函数的值一直没有明显下降。以下哪种可能是导致这种情况的原因？（）

A.学习率过高

B.模型过于复杂

C.数据预处理不当

D.以上原因都有可能

9、在机器学习中，数据预处理是非常重要的环节。以下关于数据预处理的说法中，错误的是：数据预处理包括数据清洗、数据归一化、数据标准化等步骤。目的是提高数据的质量和可用性。那么，下列关于数据预处理的说法错误的是（）

A.数据清洗可以去除数据中的噪声和异常值

B.数据归一化将数据映射到[0,1]区间，便于不同特征之间的比较

C.数据标准化将数据的均值和标准差调整为特定的值

D.数据预处理对模型的性能影响不大，可以忽略

10、在一个回归问题中，如果需要考虑多个输出变量之间的相关性，以下哪种模型可能更适合？（）

A.多元线性回归

B.向量自回归（VAR）

C.多任务学习模型

D.以上模型都可以

11、在使用朴素贝叶斯算法进行分类时，以下关于朴素贝叶斯的假设和特点，哪一项是不正确的？（）

A.假设特征之间相互独立，简化了概率计算

B.对于连续型特征，通常需要先进行离散化处理

C.朴素贝叶斯算法对输入