2025年自考人工智能与大数据模拟试题及答案

2025年自考人工智能与大数据模拟试题及答案一、单项选择题（本大题共20小题，每小题2分，共40分。在每小题列出的备选项中只有一项是最符合题目要求的，请将其选出）1.以下哪项不属于大数据“4V”特征的标准定义？A.大量（Volume）B.高速（Velocity）C.多样（Variety）D.真实（Veracity）2.监督学习中，回归任务的目标是预测：A.离散类别标签B.连续数值输出C.无标签数据的结构D.强化学习的奖励值3.决策树算法中，用于衡量数据混乱程度的指标是：A.信息增益B.均方误差C.准确率D.召回率4.以下哪种技术是Hadoop生态中负责资源管理和任务调度的组件？A.HDFSB.MapReduceC.YARND.HBase5.深度学习中，ReLU激活函数的主要优点是：A.解决梯度消失问题B.输出范围在(0,1)C.计算复杂度高D.适用于所有类型的神经网络6.数据预处理中，处理缺失值的常用方法不包括：A.删除缺失值所在行B.用特征均值填充C.用K近邻算法预测填充D.直接保留缺失值用于模型训练7.以下哪项属于强化学习的核心要素？A.训练数据标签B.状态动作奖励循环C.无监督的特征提取D.监督学习的损失函数8.自然语言处理（NLP）中，词袋模型（BagofWords）的主要缺陷是：A.忽略词序和上下文B.计算复杂度高C.无法处理长文本D.仅适用于英文9.支持向量机（SVM）中，核函数的作用是：A.降低数据维度B.将低维线性不可分数据映射到高维线性可分空间C.提高模型训练速度D.减少过拟合风险10.以下哪种算法属于集成学习方法？A.KmeansB.随机森林（RandomForest）C.主成分分析（PCA）D.逻辑回归11.大数据处理框架Spark的核心是：A.RDD（弹性分布式数据集）B.HDFS文件系统C.MapReduce计算模型D.实时流处理引擎Flink12.计算机视觉中，卷积神经网络（CNN）的池化层主要作用是：A.增加特征维度B.减少参数数量，提取局部不变性特征C.增强图像分辨率D.替代全连接层13.以下哪项不是过拟合的典型表现？A.训练集准确率高，测试集准确率低B.模型对噪声数据过度敏感C.模型参数数量远小于训练数据量D.损失函数在训练集上持续下降，在验证集上上升14.关联规则挖掘中，Apriori算法的核心思想是：A.利用先验知识剪枝，减少计算量B.直接计算所有可能的规则C.仅挖掘高频单项集D.适用于高维稀疏数据15.以下哪种数据存储方式适合大规模结构化数据的分布式存储？A.NoSQL数据库（如MongoDB）B.关系型数据库（如MySQL）C.列式存储（如HBase）D.内存数据库（如Redis）16.强化学习中，“探索（Exploration）”与“利用（Exploitation）”的平衡指的是：A.尽可能多尝试新动作vs.利用已知高奖励动作B.增加训练数据量vs.减少模型复杂度C.优化短期奖励vs.优化长期累积奖励D.提高模型精度vs.降低计算成本17.以下哪项属于非结构化数据？A.财务报表中的数值表格B.社交媒体用户的文本评论C.传感器采集的温度时间序列D.数据库中的用户ID和年龄字段18.机器学习模型评估中，F1分数是以下哪两个指标的调和平均？A.准确率（Accuracy）和召回率（Recall）B.精确率（Precision）和召回率（Recall）C.精确率（Precision）和准确率（Accuracy）D.均方误差（MSE）和交叉熵损失19.大数据实时处理场景（如实时推荐系统）通常采用的技术是：A.批处理（如HadoopMapReduce）B.流处理（如SparkStreaming、Flink）C.离线处理（如每天一次的报表生成）D.交互式处理（如Hive查询）20.以下哪种深度学习模型最适合处理序列数据（如时间序列、文本）？A.卷积神经网络（CNN）B.循环神经网络（RNN）C.自编码器（Autoencoder）D.生成对抗网络（GAN）二、多项选择题（本大题共10小题，每小题3分，共30分。在每小题列出的备选项中至少有两项是符合题目要求的，请将其选出，错选、多选或少选均无分）1.以下属于无监督学习任务的有：A.Kmeans聚类B.主成分分析（PCA）降维C.关联规则挖掘（Apriori）D.逻辑回归分类E.线性回归预测2.大数据处理的典型流程包括：A.数据采集与清洗B.数据存储与管理C.数据建模与分析D.结果可视化与应用E.数据加密与销毁3.深度学习中的优化算法包括：A.随机梯度下降（SGD）B.AdamC.反向传播（Backpropagation）D.RMSpropE.牛顿法4.数据预处理的主要步骤包括：A.缺失值处理B.异常值检测与修正C.特征缩放（如归一化、标准化）D.标签编码（如将文本类别转为数值）E.模型超参数调优5.以下属于自然语言处理（NLP）技术的应用有：A.机器翻译（如GoogleTranslate）B.情感分析（如评论情感倾向判断）C.图像识别（如识别图片中的物体）D.智能问答（如Siri回答问题）E.目标检测（如视频中的行人检测）6.机器学习中，防止过拟合的方法包括：A.增加训练数据量B.降低模型复杂度（如减少神经网络层数）C.正则化（L1/L2正则）D.Dropout（随机失活神经元）E.增加模型的隐藏层神经元数量7.以下属于大数据技术栈的工具或框架有：A.Hadoop（HDFS、MapReduce、YARN）B.Spark（Core、SQL、Streaming、MLlib）C.TensorFlow（深度学习框架）D.Kafka（消息队列）E.MySQL（关系型数据库）8.计算机视觉的典型任务包括：A.图像分类（如识别图片中的猫/狗）B.目标检测（如定位图片中的多个物体）C.语义分割（如为图像中每个像素分配类别）D.文本生成（如根据描述生成图像）E.视频动作识别（如识别视频中的跑步/跳跃）9.强化学习的主要模型包括：A.马尔可夫决策过程（MDP）B.QlearningC.深度Q网络（DQN）D.监督学习的损失函数E.生成对抗网络（GAN）10.数据清洗中，处理异常值的方法有：A.基于统计方法（如Zscore、IQR）检测并删除B.用邻近值或均值填充C.保留异常值并标记为特殊类别D.直接忽略异常值不做处理E.通过聚类算法（如DBSCAN）检测异常值三、判断题（本大题共10小题，每小题1分，共10分。判断下列各题正误，正确的打“√”，错误的打“×”）1.梯度下降法在非凸函数优化中一定能找到全局最优解。（）2.Hadoop的MapReduce框架适合处理实时性要求高的流数据。（）3.决策树的剪枝操作是为了防止过拟合。（）4.自然语言处理中的词嵌入（WordEmbedding）可以捕捉词语的语义相似性。（）5.无监督学习需要标注好的训练数据。（）6.生成对抗网络（GAN）由生成器和判别器两个网络对抗训练而成。（）7.大数据的“价值密度低”是指数据总量大但有效信息占比小。（）8.支持向量机（SVM）在处理线性不可分数据时不需要使用核函数。（）9.循环神经网络（RNN）通过记忆单元（如LSTM的细胞状态）解决长序列依赖问题。（）10.数据可视化的主要目的是将复杂数据转化为直观的图表，辅助决策分析。（）四、简答题（本大题共5小题，每小题4分，共20分）1.简述监督学习与无监督学习的核心区别，并各举一个典型算法。2.大数据处理中，为什么需要进行数据清洗？请列举至少3种常见的数据清洗任务。3.卷积神经网络（CNN）中，卷积层和全连接层的作用分别是什么？4.什么是过拟合？请分析过拟合产生的主要原因，并给出2种解决方法。5.简述Spark框架中RDD（弹性分布式数据集）的特性及其在大数据处理中的优势。五、综合应用题（本大题共2小题，每小题15分，共30分）1.某电商平台希望通过用户行为数据预测用户下一个月的复购概率。现有数据集包含以下字段：用户ID、年龄、性别、过去3个月购买次数、平均客单价、最近一次购买时间间隔（天）、浏览商品类别数、是否订阅会员。（1）请设计数据预处理的具体步骤（包括缺失值处理、特征工程、数据划分等）；（2）推荐适合的机器学习模型（至少2种），并说明选择依据；（3）选择2种评估指标，说明其含义及选择理由。2.某企业需要构建一个基于大数据的实时异常访问检测系统，用于监测服务器的异常请求（如高频访问、跨地域短时间内登录等）。（1）设计系统的技术架构（需包含数据采集、传输、处理、存储、预警模块）；（2）说明实时处理模块的关键步骤（如数据清洗、特征提取、模型预测）；（3）定义异常检测的判断逻辑（至少2条规则）。2025年高等教育自学考试人工智能与大数据模拟试题答案一、单项选择题15:DBACA610:DBABB1115:ABCAC1620:ABBBB二、多项选择题1.ABC2.ABCD3.ABD4.ABCD5.ABD6.ABCD7.ABCD8.ABCE9.ABC10.ABCE三、判断题1.×（梯度下降可能陷入局部最优）2.×（MapReduce适合批处理，实时流数据用SparkStreaming/Flink）3.√（剪枝减少模型复杂度，防止过拟合）4.√（词嵌入如Word2Vec可捕捉语义相似性）5.×（无监督学习不需要标注数据）6.√（GAN由生成器和判别器对抗训练）7.√（价值密度低指海量数据中有效信息少）8.×（线性不可分数据需用核函数映射到高维）9.√（LSTM通过细胞状态解决长序列依赖）10.√（可视化辅助数据理解与决策）四、简答题1.核心区别：监督学习使用带标签的训练数据（输入输出对），目标是学习输入到输出的映射；无监督学习使用无标签数据，目标是发现数据内在结构或模式。典型算法：监督学习（如逻辑回归、决策树）；无监督学习（如Kmeans聚类、PCA降维）。2.数据清洗原因：原始数据可能存在缺失、噪声、重复或不一致问题，直接建模会降低模型准确性。常见任务：缺失值处理（填充/删除）、异常值检测与修正、重复值删除、数据格式统一（如日期格式）。3.卷积层作用：通过卷积核滑动提取局部特征（如边缘、纹理），保留空间位置信息；全连接层作用：将卷积层提取的高维特征映射到样本标签空间，完成分类或回归任务。4.过拟合定义：模型在训练集上表现很好，但在未见过的测试集上表现差，泛化能力弱。主要原因：模型复杂度过高（参数过多）、训练数据量不足、数据噪声干扰。解决方法：增加训练数据、正则化（L1/L2）、Dropout、降低模型复杂度（如减少神经网络层数）。5.RDD特性：不可变、可分区、容错（通过血统机制恢复）、支持并行操作。优势：内存计算（减少磁盘IO）、高效容错、支持丰富的转换（Transformations）和行动（Actions）操作，适合迭代计算和交互式查询。五、综合应用题1.（1）数据预处理步骤：缺失值处理：检查各字段缺失情况，对少量缺失的“平均客单价”用均值填充，对“最近一次购买时间间隔”缺失的用户标记为“未购买”（时间间隔设为极大值）。特征工程：类别特征编码：“性别”（男/女）用0/1二值编码；“是否订阅会员”用0/1编码。构造新特征：计算“购买频率”（过去3个月购买次数/90天）、“客单价波动”（过去3个月客单价的标准差）。连续特征标准化：对“年龄”“平均客单价”等用Zscore标准化，消除量纲影响。数据划分：按7:2:1划分训练集、验证集、测试集，分层抽样确保正负样本（复购/未复购）分布一致。（2）模型推荐及依据：逻辑回归：计算高效，可解释性强，适合作为基线模型，输出概率值直接对应复购概率。随机森林：能处理非线性关系，对缺失值和噪声不敏感，可自动学习特征重要性（如“最近一次购买时间间隔”的重要性）。XGBoost（可选）：基于梯度提升的集成学习，优化了正则化和并行计算，在结构化数据预测中表现优异。（3）评估指标及理由：AUCROC（曲线下面积）：衡量模型在不同阈值下的分类能力，适合正负样本不平衡场景（电商复购可能负样本更多）。F1分数：精确率和召回率的调和平均，综合考虑模型“少误判”（精确率）和“少漏判”（召回率），对业务决策更有意义（如精准营销资源有限时）。2.