温州理工学院《统计机器学习》2023-2024学年第二学期期末试卷.docVIP

装订线

装订线

PAGE2

第PAGE1页，共NUMPAGES3页

温州理工学院

《统计机器学习》2023-2024学年第二学期期末试卷

院(系)_______班级_______学号_______姓名_______

题号

一

二

三

四

总分

得分

一、单选题（本大题共25个小题，每小题1分，共25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、在进行机器学习模型训练时，过拟合是一个常见的问题。过拟合意味着模型在训练数据上表现很好，但在新的、未见过的数据上表现不佳。为了防止过拟合，可以采取多种正则化方法。假设我们正在训练一个神经网络，以下哪种正则化技术通常能够有效地减少过拟合？（）

A.增加网络的层数和神经元数量

B.在损失函数中添加L1正则项

C.使用较小的学习率进行训练

D.减少训练数据的数量

2、在一个监督学习问题中，我们需要评估模型在新数据上的泛化能力。如果数据集较小且存在类别不平衡的情况，以下哪种评估指标需要特别谨慎地使用？（）

A.准确率（Accuracy）

B.召回率（Recall）

C.F1值

D.均方误差（MSE）

3、在使用随机森林算法进行分类任务时，以下关于随机森林特点的描述，哪一项是不准确的？（）

A.随机森林是由多个决策树组成的集成模型，通过