2026年人工智能算法基础测试卷决策树与随机森林.docxVIP

PAGE/NUMPAGES

2026年人工智能算法基础测试卷决策树与随机森林

考试时间：______分钟总分：______分姓名：______

一、选择题（每题2分，共20分）

1.在决策树的构建过程中，用于衡量节点分裂前后信息纯度降低程度的指标是？

A.基尼系数

B.信息熵

C.信息增益率

D.交叉熵

2.下列关于决策树过拟合现象的描述，错误的是？

A.树的分支过于复杂，学习到了训练数据中的噪声

B.模型在训练集上的表现很好，但在测试集上的表现差

C.决策树能够完美分类训练集中的所有样本

D.过拟合会导致模型的泛化能力下降

3.决策树在处理以下哪种类型的数据时可能需要更多的预处理？

A.数值型数据

B.类别型数据

C.缺失值数据

D.时间序列数据

4.决策树在划分属性时，信息增益率相比信息增益的优点在于？

A.计算速度更快

B.能有效避免属性间的相关性影响

C.总是能得到全局最优的分裂点

D.更容易处理类别不平衡问题

5.随机森林算法中，Bagging技术的核心思想是？

A.对每个特征单独构建决策树

B.随机选择特征子集进行决策树构建

C.对训练数据进