2025 年大学人工智能（机器学习基础）单元测试卷

2025年大学人工智能（机器学习基础）单元测试卷

（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，请将正确答案填写在括号内）1.以下关于机器学习的说法，错误的是（）A.机器学习是一门多领域交叉学科B.它致力于研究计算机怎样模拟或实现人类的学习行为C.机器学习只能处理线性问题D.机器学习可以从数据中自动分析获得模型2.下列哪种学习方式不属于机器学习的基本学习方式（）A.监督学习B.无监督学习C.强化学习D.深度学习3.在监督学习中，训练数据包含（）A.输入和输出B.只有输入C.只有输出D.以上都不对4.决策树学习算法中，用于选择划分属性的准则是（）A.信息增益B.基尼指数C.A和B都可以D.以上都不是5.支持向量机的目标是（）A.找到最大间隔超平面B.最小化分类错误C.最大化数据点之间的距离D.以上都是6.下列关于K近邻算法的说法，正确的是（）A.K值越大，分类越准确B.K值越小，分类越准确C.K值的选择对分类结果没有影响D.以上说法都不对7.朴素贝叶斯分类器的假设是（）A.特征之间相互独立B.特征之间存在强相关性C.特征之间部分独立D.以上都不对8.神经网络中的神经元是基于（）模型构建的。A.生物神经元B.物理模型C.数学公式D.以上都不是9.梯度下降法是用于（）A.求解优化问题B.生成决策树C.进行数据分类D.以上都不对10.以下哪种算法常用于聚类分析（）A.K均值算法B.线性回归算法C.决策树算法D.支持向量机算法二、多项选择题（总共5题，每题5分，每题有多个正确答案，请将正确答案填写在括号内，少选、多选、错选均不得分）1.机器学习的应用领域包括（）A.自然语言处理B.图像识别C.推荐系统D.数据挖掘2.监督学习中的回归算法有（）A.线性回归B.逻辑回归C.岭回归D.lasso回归3.决策树的构成要素包括（）A.节点B.分支C.叶节点D.根节点4.支持向量机的核函数有（）A.线性核B.高斯核C.多项式核D.拉普拉斯核5.深度学习中常用的优化器有（）A.随机梯度下降B.AdagradC.AdadeltaD.Adam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.机器学习就是让计算机模仿人的学习行为，自动从数据中获取知识。（）2.无监督学习不需要标记数据。（）3.决策树的深度越大，泛化能力越强。（）4.支持向量机只能处理线性可分的数据。（）5.K近邻算法的时间复杂度较高。（）6.朴素贝叶斯分类器对缺失值敏感。（）7.神经网络可以自动提取数据的特征。（）8.梯度下降法一定会收敛到全局最优解。（）9.聚类分析是一种无监督学习方法。（）10.深度学习模型的训练需要大量的数据。（）四、简答题（总共3题，每题10分，请简要回答以下问题）1.简述监督学习和无监督学习的区别。2.说明决策树算法中信息增益的计算方法及其意义。3.解释梯度下降法的原理，并说明如何选择合适的学习率。五、综合题（总共2题，每题15分，请结合所学知识解决以下问题）1.给定一个数据集，包含以下特征和标签：特征：身高（厘米）、体重（千克）、年龄；标签：是否喜欢运动（是/否）。请设计一个简单的决策树模型来判断一个人是否喜欢运动，要求写出决策过程。2.假设你要构建一个图像分类模型，使用深度学习方法。请描述大致的步骤，包括数据预处理、模型选择、训练和评估等方面。答案：一、选择题1.C2.D3.A4.C5.D6.B7.A8.A9.A10.A二、多项选择题1.ABCD2.ACD3.ABCD4.ABC5.ABCD三、判断题1.√2.√3.×4.×5.√6.√7.√8.×9.√10.√四、简答题1.监督学习有标记数据，模型学习输入与输出的映射关系用于预测；无监督学习无标记数据，主要用于发现数据中的结构和模式。2.信息增益=父节点信息熵-子节点信息熵。意义是衡量划分属性对数据集纯度提升的程度，信息增益越大，划分效果越好。3.原理是通过不断调整参数使目标函数值下降。合适学习率：太小收敛慢，太大可能不收敛。可先设较大值，观察损失函数变化，若不收敛则减小；也可采用动态调整学习率的方法。五、综合题1.首先根据身高、体重、年龄构建决策树。比如先按年龄划分，若年龄小于18岁，再看身高，若身高小于160cm，体重小于50kg，则判断为否；若身高大于160cm，体重大于50kg，则判断为是。若年龄大于等于18岁，再按体重划分……依次类推，根据划分规则得出最终是否喜欢运动的判断。2.数