2025年大学三年级（人工智能）机器学习基础试题及答案.doc

2025年大学三年级（人工智能）机器学习基础试题及答案

（考试时间：90分钟 满分100分） 班级______ 姓名______

第I卷（选择题 共30分）
答题要求：请从每小题的四个选项中，选出一个最符合题意的答案，将其序号填在题后的括号内。(总共10题，每题3分)

1. 以下关于机器学习中监督学习的说法，正确的是（ ）
A. 监督学习不需要训练数据
B. 监督学习的目标是预测输入数据的类别或数值
C. 监督学习中没有明确的标签
D. 监督学习主要用于无监督的任务
答案：B

2. 在决策树算法中，用于选择划分属性的指标通常是（ ）

A. 信息增益
B. 基尼系数
C. 均方误差
D. 以上都可以
答案：A

3. 以下哪种算法不属于线性模型（ ）
A. 线性回归
B. 逻辑回归
C. 支持向量机
D. 决策树
答案：D

4. 对于k近邻算法，k值的选择对模型性能有重要影响。当k值较小时，模型会（ ）
A. 更复杂，容易过拟合
B. 更简单，容易欠拟合
C. 更稳定，泛化能力强
D. 对性能无影响
答案：A

5. 神经网络中的激活函数作用是（ ）
A. 增加模型的复杂度
B. 对输入进行非线性变换
C. 加速模型训练
D. 减少模型参数
答案：B

6. 以下哪个是深度学习中常用的优化算法（ ）
A. 梯度下降
B. 牛顿法
C. Adagrad
D. 以上都是
答案：D

7. 在支持向量机中，核函数的作用是（ ）
A. 对数据进行特征提取
B. 将低维数据映射到高维空间
C. 简化模型结构
D. 提高模型训练速度
答案：B

8. 以下关于模型评估指标的说法，错误 的是（ ）
A. 准确率适用于所有分类问题
B. 召回率在关注正例识别时很重要
C. F1值综合考虑了准确率和召回率
D. 均方误差常用于回归模型评估
答案：A

9. 交叉验证的主要目的是（ ）
A. 减少模型训练时间
B. 提高模型的泛化能力
C. 增加模型参数
D. 使模型更复杂
答案：B

10. 以下哪种数据预处理操作可以用于处理缺失值（ ）
A. 归一化
B. 标准化
C. 填充法
D. 降维
答案：C

第II卷（非选择题 共70分）

二、填空题（每题3分，共15分）
答题要求：请在每题的横线上填写正确的答案。

1. 机器学习的主要任务包括______、______、______等。
答案：分类、回归、聚类

2. 决策树的构建过程主要包括______和______两个步骤。
答案：特征选择、树的生成

3. 线性回归模型的目标是找到一条直线，使得_最小。
答案：误差平方和

4. 神经网络中的反向传播算法用于计算______。
答案：梯度

5. 模型评估中，常用的性能指标有______、______、______等。
答案：准确率、召回率、F1值

三、简答题（每题10分，共30分）
答题要求：简要回答问题，条理清晰。

1. 简述监督学习和无监督学习的区别。
答案：监督学习有明确的标签，目标是根据输入数据预测标签；无监督学习没有明确标签，主要用于发现数据中的结构和规律，如聚类、降维等。

2. 解释一下梯度下降算法的原理及作用。
答案：梯度下降算法通过不断沿着梯度的反方向更新模型参数，使得损失函数值逐渐减小。作用是找到使损失函数最小的参数值，从而优化模型。

3. 说明支持向量机中硬间隔和软间隔的区别。
答案：硬间隔要求所有样本都能被正确分类且间隔最大化；软间隔允许部分样本被错误分类，通过引入松弛变量来调整间隔，更适合存在噪声或线性不可分的数据。

四、材料分析题（共15分）
答题要求：阅读给定材料，回答问题。

材料：在一个预测房价的任务中，我们收集了一些房屋的面积、房间数量、房龄等特征数据，以及对应的房价作为标签。使用线性回归模型进行训练，得到了模型的参数。

1. 请分析线性回归模型在这个任务中的适用性。（7分）
答案：线性回归模型适用于房价预测任务，因为房价与房屋面积、房间数量和房龄等特征可能存在线性关系。通过线性回归可以找到这些特征与房价之间的线性组合，从而进行房价预测。

2. 若发现模型预测结果与实际房价有较大偏差，可能的原因有哪些？（8分）
答案：可能原因有：数据存在噪声或异常值；特征选择不当，遗漏了重要特征；线性关系假设不成立，实际关系可能是非线性的；模型训练不足，参数未收敛到最优值等。

五、算法设计题（共20分）
答题要求：根据题目要求设计算法步骤。

请设计一个简单的k近邻分类算法，用于对新输入的数据点进行分类。
答案：
1. 确定k值。
2. 计算新数据点与训练数据集中所有点的距离（如欧氏距离）。
3. 选择距离最近的k个点。
4. 统计这k个点中各类别的数量。
5. 将新数据点分类为数量最多的类别。