2025年人工智能与机器学习考试题及答案

2025年人工智能与机器学习考试题及答案考试时长：120分钟满分：100分考试形式：闭卷一、单项选择题（每题2分，共30分）机器学习的基本任务不包括（）

A.分类B.回归C.聚类D.生成对抗网络

下列哪种算法属于监督学习算法（）

A.K-means聚类B.决策树C.主成分分析D.自编码器

过拟合现象通常由什么原因导致（）

A.数据量充足B.模型复杂度过高C.特征数量过少D.正则化强度过大

下列哪种方法不属于特征工程技术（）

A.特征选择B.特征提取C.数据清洗D.模型集成

适用于不平衡数据分类问题的核心评估指标是（）

A.准确率B.F1分数C.均方误差D.召回率

决策树算法中，选择分裂特征时常用的指标是（）

A.信息增益B.方差C.相关系数D.似然比

下列哪种算法属于无监督学习算法（）

A.支持向量机B.线性回归C.K-means聚类D.逻辑回归

神经网络中，用于引入非线性因素的核心组件是（）

A.权重B.激活函数C.偏置D.损失函数

下列哪种不属于集成学习方法（）

A.随机森林B.AdaBoostC.逻辑回归D.梯度提升树

特征选择中的过滤法是基于什么原则选择特征（）

A.模型性能B.特征与目标变量的独立相关性C.特征子集复杂度D.优化器收敛速度逻辑回归模型主要用于解决哪种问题（）

A.二分类问题B.回归问题C.聚类问题D.降维问题

支持向量机中，控制分类器复杂度的核心参数是（）

A.核函数类型B.正则化参数C.学习率D.迭代次数

回归问题的性能评估指标是（）

A.精确率B.F1分数C.均方误差D.召回率

反向传播算法的核心作用是（）

A.初始化权重B.更新权重和偏置C.选择激活函数D.划分训练集与测试集

下列哪种属于强化学习算法（）

A.Q学习B.决策树C.K-means聚类D.主成分分析

二、简答题（每题8分，共40分）简述监督学习与无监督学习的核心区别，各举2个典型算法例子。什么是过拟合？请列举3种缓解过拟合的常用方法。简述神经网络中激活函数的作用，列举3种常用激活函数及适用场景。什么是集成学习？其提升模型性能的核心原理是什么？简述特征工程在机器学习流程中的重要性，核心步骤包括哪些？三、案例分析题（每题15分，共30分）某企业针对客户流失预测问题构建机器学习模型，数据集中流失客户占比仅5%（不平衡数据）。

（1）若直接使用准确率作为评估指标，可能存在什么问题？

（2）应选择哪些评估指标更合理？请说明理由。

（3）可采取哪些数据预处理或模型优化方法提升预测效果？某团队使用神经网络解决图像分类问题，训练过程中发现训练集准确率达98%，但测试集准确率仅72%。

（1）该现象属于什么问题？产生的主要原因是什么？

（2）请提出4种针对性的解决措施，并说明每种措施的原理。

参考答案及解析一、单项选择题（每题2分，共30分）答案：D解析：生成对抗网络是深度学习模型，不属于机器学习基本任务（分类、回归、聚类）。答案：B解析：决策树需依赖带标签数据训练，属于监督学习；A、C为无监督学习，D为深度学习模型。答案：B解析：模型复杂度过高易记住训练数据细节与噪声，导致泛化能力差，引发过拟合。答案：D解析：模型集成是组合多个模型提升性能的方法，不属于特征工程（含特征处理、数据清洗等）。答案：B解析：F1分数是精确率与召回率的调和平均值，能综合平衡正负样本预测效果，适配不平衡数据。答案：A解析：信息增益通过计算分裂后信息熵的减少量，评估特征分类能力，是决策树分裂的核心指标。答案：C解析：K-means无需标签数据，通过学习数据内在结构聚类，属于无监督学习。答案：B解析：激活函数（如Sigmoid、ReLU）打破线性映射限制，使神经网络可学习复杂非线性关系。答案：C解析：逻辑回归是单一分类模型，不属于集成学习；A、B、D均为典型集成学习方法。答案：B解析：过滤法独立于模型，通过评估特征与目标变量的相关性筛选特征，如互信息法。答案：A解析：逻辑回归通过Sigmoid函数将输出映射至[0,1]，核心用于二分类问题。答案：B解析：正则化参数控制模型复杂度，值越大越倾向简化模型，避免过拟合。答案：C解析：均方误差衡量回归问题中预测值与真实值的偏差，是核心评估指标。答案：B解析：反向传播通过计算损失函数梯度，反向更新权重和偏置，最小化训练误差。答案：A解析：Q学习是经典强化学习算法，通过学习状态-动作值函数优化策略。二、简答题（每题8分，共40分）答案：核心区别在于是否使用带标签数据训练。（2分）

监督学习：依赖标注数据（输入-输出对应关系），目标是学习映射规律，典型算法有决策树、逻辑回归。（3分）

无监督学习：无需标签数据，目标是挖掘数据内在结构与模式，典型算法有K-means聚类、主成分分析。（3分）

答案：过拟合是模型在训练数据上表现优异，但在新数据（测试集）上泛化能力差的现象。（2分）

缓解方法：①正则化（L1、L2），惩罚复杂模型权重，降低复杂度；②数据增强，扩充训练数据量，提升泛化能力；③早停，训练中监控测试集误差，适时停止训练避免过度拟合；④模型简化，减少神经网络层数、决策树深度等。（任答3点，每点2分，共6分）

答案：作用是引入非线性因素，使神经网络可拟合复杂非线性函数，打破线性模型的表达局限。（2分）

常用激活函数及场景：①Sigmoid，适用于二分类输出层，输出映射至[0,1]；②ReLU，适用于隐藏层，缓解梯度消失，计算高效；③Tanh，适用于隐藏层，输出映射至[-1,1]，比Sigmoid收敛更快。（每点2分，共6分）

答案：集成学习是通过组合多个基模型的预测结果，构建性能更优的强模型的方法。（2分）

核心原理：①误差互补，不同基模型的误差可相互抵消，降低整体泛化误差；②多样性，通过不同基模型（如决策树、神经网络）或不同参数设置，提升模型对复杂数据的适配能力；③稳定性，组合预测结果可减少单一模型的随机波动，提升预测稳定性。（6分）

答案：重要性：优质特征可提升模型泛化能力、降低训练难度、减少计算成本，是机器学习模型性能的核心支撑（数据决定模型上限，特征工程挖掘数据价值）。（3分）

核心步骤：①数据清洗（处理缺失值、异常值、重复值）；②特征提取（从原始数据中提取有效信息，如PCA降维）；③特征选择（筛选与目标相关的核心特征，剔除冗余特征）；④特征转换（归一化、标准化、编码等，适配模型输入）。（每点1.25分，共5分）

三、案例分析题（每题15分，共30分）答案：

（1）问题：准确率易受多数类主导，模型仅预测所有客户不流失，即可获得95%的高准确率，但无法识别流失客户，完全失去业务价值，无法反映模型对少数类（流失客户）的预测能力。（5分）

（2）合理指标：F1分数、精确率、召回率。（2分）理由：精确率衡量预测为流失的客户中真实流失的比例，避免误判；召回率衡量真实流失客户中被正确预测的比例，避免漏判；F1分数综合两者，平衡精确率与召回率，适配不平衡数据的核心需求。（3分）

（3）优化方法：①数据层面，采用过采样（SMOTE）提升少数类样本量，或欠采样减少多数类样本量；②模型层面，使用加权损失函数，给少数类样本更高权重，提升模型对少数类的关注；③算法层面，选择对不平衡数据鲁棒的模型（如随机森林、XGBoost）。（5分，任答2点并说明，合理即可）答案：

（1）现象：过拟合。（2分）主要原因：模型复杂度过高（如神经网络层数过多、参数过多），训练数据量不足或存在噪声，模型过度学习训练数据细节与噪声，未捕捉核心规律，导致泛化能力差。（3分）

（2）解决措施：①正则化（L2正则化），惩罚模型权重，降低模型复杂度，避免过度拟合