2025-2026年人工智能算法与编程实战案例习题集.docxVIP

2025-2026年人工智能算法与编程实战案例习题集

一、单项选择题（总共10题，每题2分，共20分）

1.在《2025-2026年人工智能算法与编程实战案例习题集》第3章中，关于线性回归模型的梯度下降法，以下哪种情况会导致收敛速度显著降低？

A.学习率设置过大，导致参数更新幅度剧烈振荡

B.数据特征存在高度相关性，形成多重共线性问题

C.目标函数呈现明显的非凸形，存在多个局部最优解

D.训练数据量过小，无法有效覆盖特征空间多样性

解析：梯度下降法收敛速度受学习率、数据分布、函数形态等多重因素影响。选项A描述的是学习率过大导致的震荡问题，但非收敛速度降低的直接原因；选项C描述的是局部最优解问题，影响的是全局最优性而非收敛速度；选项D数据量过小会导致模型欠拟合，但非收敛速度降低的核心机制。选项B中多重共线性会导致梯度方向不稳定，参数更新效率低下，从而显著降低收敛速度。正确答案为B。

2.《2025-2026年人工智能算法与编程实战案例习题集》第5章在讲解决策树算法时，以下哪种剪枝策略最适用于处理过拟合问题？

A.基于信息增益的预剪枝，通过设定阈值提前终止树的生长

B.基于误差反演的后剪枝，通过删除子节点降低模型复杂度

C.基于L1正则化的结构化剪枝，通过惩罚复杂树结构来约束模型

D.基