东北大学秦皇岛分校《机器学习》2024 - 2025 学年第一学期期末试卷

（第2页）制卷人签名：制卷日期制卷人签名：制卷日期：审核人签名：：审核日期：………………………………………………装……订……线…………………学院专业/班级学号姓名题号一二三四五六七八总分阅卷教师得分………………一、选择题（总共10题，每题3分，每题只有一个正确答案，请将正确答案填写在括号内）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.逻辑回归2.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.泛化能力强B.对噪声更敏感C.分类边界更平滑D.计算复杂度低3.下列关于梯度下降法的说法，错误的是（）。A.梯度下降法是一种迭代优化算法B.它通过不断调整参数来减小损失函数的值C.梯度方向是函数值下降最快的方向D.梯度下降法一定会收敛到全局最优解4.支持向量机（SVM）的主要目标是（）。A.找到最大间隔超平面B.最小化训练误差C.最大化模型复杂度D.快速收敛5.对于线性回归模型，以下说法正确的是（）。A.只能处理线性可分的数据B.模型的参数通过最小二乘法求解C.不能处理特征之间的相关性D.预测结果一定是连续值6.决策树的构建过程中，选择划分属性的依据通常是（）。A.信息增益B.基尼系数C.均方误差D.A和B7.神经网络中，激活函数的作用是（）。A.增加模型的非线性B.减少计算量C.提高模型的收敛速度D.简化模型结构8.在朴素贝叶斯算法中，“朴素”的含义是（）。A.算法简单B.假设特征之间相互独立C.对数据要求低D.计算速度快9.以下哪种方法不属于集成学习方法？（）A.随机森林B.AdaboostC.梯度提升D.线性回归10.模型评估中，以下哪个指标用于衡量分类模型的准确性？（）A.召回率B.F1值C.准确率D.均方误差二、多项选择题（总共5题，每题5分，每题至少有两个正确答案，请将正确答案填写在括号内，多选、少选、错选均不得分）1.下列哪些是机器学习中的监督学习算法？（）A.决策树B.支持向量机C.聚类算法D.朴素贝叶斯E.K近邻算法2.关于损失函数，以下说法正确的是（）。A.用于衡量模型预测结果与真实值之间的差异B.常见的损失函数有均方误差、交叉熵等C.损失函数的值越小，模型性能越好D.不同的模型使用相同的损失函数E.损失函数是模型训练的目标3.以下哪些是决策树的优点？（）A.模型简单，易于理解B.能够处理数值型和类别型数据C.对数据的预处理要求低D.可以处理非线性关系E.训练速度快4.在神经网络中，以下哪些层属于隐藏层？（）A.输入层B.卷积层C.池化层D.全连接层E.输出层5.模型评估中，以下哪些指标可以用于评估回归模型的性能？（）A.均方误差B.平均绝对误差C.R平方值D.准确率E.F1值三、判断题（总共10题，每题2分，请判断下列说法的对错，正确的打“√”，错误的打“×”）1.机器学习的目标是让计算机自动从数据中学习规律，并利用这些规律进行预测或决策。（）2.监督学习中，训练数据既有特征又有标签。（）3.在K近邻算法中，K值越大，模型的泛化能力越强。（）4.梯度下降法的步长越大，收敛速度越快。（）5.支持向量机只能处理线性可分的数据。（）6.线性回归模型的参数求解过程中，不需要考虑正则化。（）7.决策树的剪枝操作可以防止模型过拟合。（）8.神经网络中的神经元通过激活函数将输入信号进行非线性变换。（）9.朴素贝叶斯算法对数据的分布有较强的假设。（）10.集成学习方法通过组合多个弱模型来提高整体模型的性能。（）四、简答题（总共3题，每题10分，请简要回答下列问题）1.请简述支持向量机（SVM）的基本原理，并说明其在处理线性可分和线性不可分数据时的区别。2.解释什么是梯度下降法，并说明其在机器学习中的应用场景。3.简述决策树的构建过程，并说明如何进行剪枝操作。五、综合题（总共1题，每题2