2025 年大学计算机科学与技术（机器学习基础）试题及答案

2025年大学计算机科学与技术（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______一、选择题（总共10题，每题3分，每题只有一个正确答案，请将正确答案填在括号内）1.以下哪种算法不属于监督学习算法？（）A.决策树B.支持向量机C.聚类算法D.线性回归2.在机器学习中，模型的泛化能力是指（）。A.模型在训练集上的表现B.模型在测试集上的表现C.模型对新数据的预测能力D.模型对已知数据的拟合能力3.以下关于梯度下降算法的说法，错误的是（）。A.梯度下降是一种迭代优化算法B.它通过不断调整参数来最小化损失函数C.步长越大，收敛速度越快D.可能会陷入局部最优解4.对于线性回归模型，损失函数通常采用（）。A.交叉熵损失B.均方误差损失C.0-1损失D.对数损失5.支持向量机的核心思想是（）。A.寻找最大间隔超平面B.最小化分类错误C.最大化数据点到超平面的距离D.以上都不对6.以下哪种方法可以用于特征选择？（）A.主成分分析B.决策树C.支持向量机D.以上都可以7.在K近邻算法中，K值的选择对结果有重要影响，以下说法正确的是（）。A.K值越大，模型越复杂B.K值越小，模型越容易过拟合C.K值适中时，模型效果最好D.以上都不对8.神经网络中的激活函数作用是（）。A.增加模型的非线性B.加快模型收敛速度C.减少模型参数数量D.提高模型的泛化能力9.以下哪种深度学习模型常用于图像分类？（）A.卷积神经网络B.循环神经网络C.长短时记忆网络D.生成对抗网络10.模型评估中，准确率和召回率的关系是（）。A.准确率高，召回率一定高B.召回率高，准确率一定高C.两者没有必然联系D.以上都不对二、多项选择题（总共5题，每题5分，每题有多个正确答案，请将正确答案填在括号内，少选、多选、错选均不得分）1.以下属于机器学习中的分类算法的有（）。A.朴素贝叶斯B.K近邻算法C.随机森林D.逻辑回归2.关于模型评估指标，以下说法正确的有（）。A.准确率是预测正确的样本数占总样本数的比例B.召回率是真正例被预测为正例的比例C.F1值是准确率和召回率的调和均值D.均方误差常用于回归模型评估3.以下哪些是处理过拟合的方法？（）A.增加数据B.正则化C.使用更简单的模型D.减少特征数量4.深度学习中的优化器有（）。A.随机梯度下降B.AdagradC.RMSPropD.Adam5.以下关于机器学习数据集的划分，说法正确的有（）。A.通常分为训练集、验证集和测试集B.训练集用于训练模型C.验证集用于调整模型参数D.测试集用于评估模型的最终性能三、判断题（总共10题，每题2分，请判断对错，在括号内填“√”或“×”）1.在机器学习中，数据预处理不重要，可以直接进行模型训练。（）2.决策树只能处理数值型数据。（）3.支持向量机对噪声敏感。（）4.交叉验证可以更准确地评估模型性能。（）5.模型的复杂度越高，泛化能力一定越强。（）6.特征工程对机器学习模型的性能有很大影响。（）7.神经网络层数越多，效果一定越好。（）8.梯度消失问题在深层神经网络中很常见。（）9.无监督学习不需要标注数据。（）10.模型评估指标相同，模型性能一定相同。（）四、简答题（总共3题，每题10分，请简要回答问题）1.请简述监督学习和无监督学习的区别，并各举一个例子。2.解释一下梯度下降算法的原理，并说明如何选择合适的步长。3.简述特征选择的重要性，并列举几种常见的特征选择方法。五、综合题（总共2题，每题15分，请详细回答问题）1.给定一个简单的二分类数据集，包含两个特征x1和x2，以及对应的类别标签y。请设计一个决策树模型来对该数据集进行分类，并说明决策树的构建过程。2.假设你要使用神经网络来解决一个图像分类问题，描述一下你会如何设计网络结构，包括输入层、隐藏层和输出层，以及各层的作用。答案：一、选择题1.C2.C3.C4.B5.A6.D7.B（K值越小，模型越容易受噪声影响，越容易过拟合；K值越大，模型越简单，越容易欠拟合。适中的K值需根据具体情况确定，所以C选项不准确，这里选B更合适）8.A9.A10.C二、多项选择题1.ABCD2.ABCD3.BCD4.ABCD5.ABCD三、判断题1.×2.×3.×4.√5.×6.√7.×8.√9.√10.×四、简答题1.监督学习有标注数据，目标是学习输入到输出的映射关系，如线性回归预测房价。无监督学习无标注数据，主要用于发现数据中的结构和规律，如聚类算法将客户分组。2.梯度下降算法通过计算损失函数梯度，沿梯度反方向调整参数以最小化损失。合适步长选择：步长太小收敛慢；步长太大可能越过最优解。可通过试验不同步长观察收敛情况，或采用自适应步长策略。3.重要性：去除无关和冗余特征，提高模型效率、降低噪声、防止过拟合。方法：过滤法按统计量筛选；包装法基于模型评估选择；嵌入法利用模型训练自动选择。五、综合题1.决策树构建过程：首先计算数据集的信息熵，然后对每个特征计算信息增益，选择信息增益最大的特征作为根节点。对根节点的每个取值划分数据集，重复上述过程