2025-2026年数据挖掘与机器学习综合测试卷.docxVIP

2025-2026年数据挖掘与机器学习综合测试卷

一、单项选择题（本大题共10小题，每小题2分，共20分）

1.在数据挖掘过程中，用于评估模型泛化能力的指标是（）

A.过拟合率

B.训练集准确率

C.交叉验证误差

D.特征冗余度

解析：正确答案为C。交叉验证误差通过将数据集分割为多个子集进行多次训练和验证，能够有效评估模型在未知数据上的表现，从而衡量泛化能力。A选项过拟合率反映模型对训练数据的过度拟合程度；B选项训练集准确率仅反映模型在训练数据上的表现，无法代表泛化能力；D选项特征冗余度指特征之间的相关性程度，与模型泛化能力无直接关系。

2.决策树算法中，用于选择分裂属性的标准包括（）

A.基尼系数与信息增益

B.决策规则与置信度提升

C.聚类系数与方差分析

D.主成分分析与特征重要性

解析：正确答案为A。决策树算法通过基尼系数或信息增益等指标选择分裂属性，以最大化数据的不确定性降低。B选项置信度提升用于关联规则挖掘；C选项方差分析用于参数检验；D选项主成分分析用于降维。

3.支持向量机（SVM）中，影响模型复杂度的参数是（）

A.核函数类型

B.正则化参数C

C.特征数量

D.样本规模

解析：正确答案为B。S