2025年大四（人工智能）机器学习基础阶段测试卷

2025年大四（人工智能）机器学习基础阶段测试卷

（考试时间：90分钟满分100分）班级______姓名______第I卷（选择题共30分）答题要求：本卷共6题，每题5分。每题给出的四个选项中，只有一项是符合题目要求的。请将正确答案填写在题后的括号内。1.以下关于机器学习中监督学习的说法，正确的是（）A.监督学习不需要给定训练数据的标签B.监督学习的目标是让模型学会从输入特征到输出标签的映射C.监督学习中模型的训练只基于输入特征D.监督学习主要用于数据聚类答案：B2.决策树算法中，用于选择划分属性的准则是（）A.信息增益B.基尼系数C.均方误差D.以上都是答案：D3.下列哪种算法不属于线性模型（）A.线性回归B.逻辑回归C.支持向量机D.决策树答案：D4.在k近邻算法中，k的取值对模型性能有重要影响。当k值较小时，模型（）A.复杂度较低，容易发生过拟合B.复杂度较高，容易发生过拟合C.复杂度较低，容易发生欠拟合D.复杂度较高，容易发生欠拟合答案：B5.以下关于神经网络的说法，错误的是（）A.神经网络由多个神经元组成B.神经元之间通过权重连接C.神经网络只能处理线性问题D.反向传播算法用于调整神经网络的权重答案：C6.支持向量机的主要目的是（）A.进行数据分类B.进行数据回归C.寻找数据中的聚类D.以上都不是答案：A第II卷（非选择题共70分）（一）填空题（每题5分，共20分）答题要求：请在横线上填写正确答案。1.机器学习中，模型评估的常用指标有准确率、召回率、F1值，其中F1值是____________________的调和均值。答案：准确率和召回率2.朴素贝叶斯分类器的基本假设是____________________。答案：特征之间相互独立3.梯度下降算法是一种用于____________________的优化算法。答案：求解函数最小值4.在深度学习中，卷积神经网络主要用于处理____________________数据。答案：图像（二）简答题（每题10分，共30分）1.请简要说明什么是无监督学习，并列举两个常见的无监督学习算法。答案：无监督学习是指在没有给定训练数据标签的情况下，让模型自动从数据中发现规律和结构的学习方法。常见算法有聚类算法，如K-Means算法，它能将数据划分成不同的簇；还有降维算法，如主成分分析（PCA），可降低数据维度同时保留主要信息。2.简述逻辑回归与线性回归的区别与联系。答案：联系：都是广义线性模型，线性回归用于预测连续值，逻辑回归用于预测离散值（通常是二分类）。区别：线性回归的输出是连续值，通过最小化均方误差来求解模型参数；逻辑回归的输出是基于逻辑函数的概率值，通过极大似然估计来求解参数。逻辑回归常用于分类问题，线性回归常用于回归问题。3.解释一下模型的过拟合和欠拟合现象，并分别说明如何应对。答案：过拟合是指模型在训练数据上表现很好，但在测试数据上表现很差，即模型过于复杂，把训练数据中的噪声也当作规律学习了。应对方法有增加数据量、进行正则化、采用合适的模型复杂度选择方法如交叉验证等。欠拟合是指模型过于简单，无法很好地拟合训练数据中的规律，在训练数据和测试数据上表现都差。应对方法有增加模型复杂度，如添加更多特征、使用更复杂的模型结构等。（三）材料分析题（每题10分，共20分）材料：在一个医疗诊断场景中，有一批患者的数据，包括症状、年龄、性别等特征，以及是否患有某种疾病的标签。现在要建立一个机器学习模型来预测患者是否患有该疾病。1.请你选择一种合适的机器学习算法，并说明理由。答案：可以选择逻辑回归算法。理由如下：逻辑回归是一种简单且有效的分类算法，适合处理二分类问题，这里是预测患者是否患有疾病，属于二分类。它对数据的要求相对不高，计算效率较高，并且能够给出概率输出，方便医生根据概率来判断患者患病的可能性。同时，逻辑回归的模型解释性较好，医生可以理解模型是如何根据患者的特征进行判断的。2.如果模型在训练数据上表现良好，但在实际应用中效果不佳，可能是什么原因？答案：可能原因如下：训练数据与实际应用数据分布不一致，导致模型在实际数据上无法很好地泛化。例如，训练数据可能来自特定地区的患者，而实际应用时面对的是不同地区的患者，特征分布不同。也可能是模型存在过拟合问题，在训练数据上表现好但过于复杂，对实际数据中的噪声敏感。还可能是特征选择不合理，没有选择到对疾病预测最关键的特征，影响了模型在实际中的性能。（四）算法设计题（10分）设计一个简单的基于k近邻算法的手写数字识别程序。假设有一批已经标注好的手写数字图像数据，每个图像数据可以表示为一个向量，向量中的元素表示图像的像素值。要求：1.描述算法的基本步骤。2.说明如何确定k值。答案：算法基本步骤：首先，将所有标注好的手写数字图像数据作为训练集。对于待识别的手写数字图像，将其表示为向量。然后，计算该向量与训练集中所有向量的距离（如欧氏距离）。接着，根据距离从小到大排序，选择最近的k个邻居。最后，统计这k个邻居中出现次数最多的数字类别，作为待识别图像的类别。确定k值的方法：可以通过交叉验证来确定。将训练集分成多个子集，每次选择一个子集作为验证集，其余作为训练集。对于不同的k值进行训练和验证，计算验证集上的准确率等评估指标，选择使评估指标最优的k值。（五）综合应用题（10分）材料：某电商平台收集了用户的购买历史数据，包括购买的商品类别、购买时间、购买金额等信息。平台希望通过机器学习算法分析用户行为，预测用户未来可能购买的商品类别。1.请设计一个基于机器学习的解决方案，说明需要用到的算法和大致流程。2.如何评估该解决方案的有效性？答案：解决方案：可以使用关联规则挖掘算法，如Apriori算法。大致流程：首先，对用户购买历史数据进行预处理，将数据整理成适合算法处理的格式。然后，使用Apriori算法挖掘频繁项集，即找出经常一起出现的商品类别组合。接着，根据频繁项集生成关联规则，确定哪些商品类别之间存在关联关系。通过这些关联规则来预测用户未来可能购买的商品类别。评估该解决方案有效性