2025 年大学人工智能（机器学习基础）试题及答案

2025年大学人工智能（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______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.模型对新数据的适应能力D.模型对已有数据的拟合能力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.梯度方向是函数值下降最快的方向C.步长越大，算法收敛越快D.梯度下降算法可以用于求解函数的最小值4.对于线性回归模型，以下哪个指标可以用来评估模型的拟合优度？（）A.准确率B.召回率C.F1值D.决定系数5.在K近邻算法中，K值的选择对模型性能有重要影响。当K值较小时，模型（）。A.复杂度较低，容易欠拟合B.复杂度较高，容易过拟合C.对噪声数据更鲁棒D.分类边界更平滑6.支持向量机（SVM）的主要目标是（）。A.找到最大间隔超平面进行分类B.最小化训练误差C.最大化模型的复杂度D.对数据进行聚类7.以下哪种方法可以用于处理机器学习中的过拟合问题？（）A.增加训练数据B.减少特征数量C.增加模型复杂度D.提高学习率8.在决策树算法中，信息增益是用来（）。A.选择最佳划分属性B.计算节点的纯度C.评估模型的性能D.确定树的深度9.神经网络中的激活函数的作用是（）。A.增加模型的非线性B.减少模型的参数数量C.提高模型的训练速度D.防止梯度消失10.以下哪种机器学习算法常用于文本分类任务？（）A.朴素贝叶斯B.K均值聚类C.线性判别分析D.主成分分析二、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、多选均不得分）1.监督学习的主要任务包括（）。A.分类B.回归C.聚类D.降维2.以下哪些是机器学习中常用的损失函数？（）A.均方误差损失函数B.交叉熵损失函数C.绝对值损失函数D.对数损失函数3.在模型评估中，常用的评估指标有（）。A.准确率B.精确率C.召回率D.F1值4.以下哪些算法属于无监督学习算法？（）A.K均值聚类算法B.层次聚类算法C.主成分分析算法D.线性回归算法5.为了提高模型的泛化能力，可以采取的措施有（）。A.增加训练数据的多样性B.进行正则化处理C.采用集成学习方法D.减少模型的复杂度三、判断题（总共10题，每题2分，请判断对错，在括号内打“√”或“×”）1.机器学习就是让计算机自动从数据中学习模式和规律的过程。（）2.监督学习中，训练数据既有特征又有标签。（）3.梯度下降算法一定能找到函数的全局最小值。（）4.决策树的深度越大，模型的泛化能力越强。（）5.支持向量机只能处理线性可分的数据。（）6.过拟合是指模型在训练集上表现很好，但在测试集上表现很差。（）7.无监督学习不需要人工标注的数据。（）8.神经网络中的神经元越多，模型的性能越好。（）9.朴素贝叶斯算法假设特征之间是相互独立的。（）10.模型评估指标的选择只取决于具体的应用场景。（）四、简答题（总共3题，每题10分）1.请简要介绍一下监督学习和无监督学习的区别，并各举一个例子说明。2.梯度下降算法在优化过程中可能会遇到哪些问题？如何解决这些问题？3.简述支持向量机的基本原理，并说明其在处理非线性分类问题时采用的方法。五、综合题（总共2题，每题15分）1.给定一个简单的数据集，包含特征X和标签Y，如下表所示：|X|Y||---|---||1|0||2|1||3|0||4|1||5|0|请使用线性回归模型对该数据集进行拟合，并计算模型的均方误差损失。2.对于一个二分类问题，假设使用逻辑回归模型进行分类。已知模型的参数为θ=[0.5,-0.3,0.2]，特征向量x=[1,2,3]。请计算该样本属于类别1的概率。答案：一、选择题1.C2.C3.C4.D5.B6.A7.B8.A9.A10.A二、多项选择题1.AB2.ABCD3.ABCD,4.ABC5.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，目标是学习特征与标签的关系，如线性回归预测房价。无监督学习无标注，找数据内在结构，如K均值聚类将客户分组。2.可能遇到收敛慢、局部最优、梯度消失或爆炸。可调整步长、采用随机梯度下降、使用动量法、归一化数据等解决。3.基本原理是找最大间隔超平面分类。处理非线性用核函数，将低维映射到高维，在高维找线性超平面。五、综合题1.设线性回归模型为y=θ0+θ1x。通过最小二乘法可得θ1=0.2，θ0=-0.2。