2026年机器学习算法及其应用期末考核自测习题集要点详解.docxVIP

第PAGE页共NUMPAGES页

2026年机器学习算法及其应用期末考核自测习题集要点详解

一、选择题（共10题，每题2分，合计20分）

1.题干：在处理文本分类任务时，以下哪种算法通常在处理高维稀疏数据时表现最佳？

A.决策树

B.逻辑回归

C.支持向量机（SVM）

D.神经网络

答案：C

解析：SVM在高维稀疏数据中表现优异，尤其适用于文本分类任务。决策树容易过拟合，逻辑回归对稀疏数据处理能力较弱，神经网络虽然灵活但计算成本高。

2.题干：以下哪种技术主要用于减少机器学习模型的过拟合？

A.数据增强

B.正则化

C.批归一化

D.交叉验证

答案：B

解析：正则化（如L1、L2）通过惩罚项限制模型复杂度，有效减少过拟合。数据增强通过扩充数据集提升泛化能力，批归一化主要用于加速训练，交叉验证用于评估模型性能。

3.题干：在推荐系统中，协同过滤算法的核心思想是什么？

A.基于内容的相似性

B.基于用户或物品的相似性

C.基于深度学习特征提取

D.基于统计分布假设

答案：B

解析：协同过滤通过分析用户或物品的历史行为数据，挖掘潜在关联性，分为基于用户的CF和基于物品的CF。

4.题干：以下哪种算法属于无监督学习？

A.逻辑回归

B.决策树分类

C.K-means聚类

D.线性回归

答案：C

解析：K-means聚类用于发现数据中的自