2025 年大学人工智能（机器学习基础）月度测试卷

2025年大学人工智能（机器学习基础）月度测试卷

（考试时间：90分钟满分100分）班级______姓名______一、单项选择题（总共10题，每题4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.监督学习的目标是学习一个模型，用于预测给定输入的输出C.监督学习只能处理分类问题D.监督学习不需要进行模型评估2.在决策树算法中，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3.支持向量机（SVM）的主要思想是（）A.寻找最大间隔超平面来分离不同类别的数据B.对数据进行聚类C.构建决策树D.进行线性回归4.以下哪种算法不属于无监督学习算法（）A.K-Means算法B.主成分分析（PCA）C.线性判别分析（LDA）D.朴素贝叶斯算法5.神经网络中的激活函数的作用是（）A.增加模型的非线性B.减少模型的计算量C.提高模型的收敛速度D.以上都不是6.在梯度下降算法中，步长α的选择很重要，如果α过大，可能会导致（）A.算法收敛速度变慢B.算法无法收敛C.算法收敛到局部最优解D.算法收敛到全局最优解7.以下关于正则化的说法，错误的是（）A.正则化可以防止模型过拟合B.L1正则化会使参数变得稀疏C.L2正则化会使参数的值变小D.正则化对模型的泛化能力没有影响8.随机森林算法是基于（）的集成学习算法。A.决策树B.神经网络C.支持向量机D.朴素贝叶斯9.对于一个二分类问题，逻辑回归模型的输出值范围是（）A.[0,1]B.(-∞,+∞)C.[0,+∞)D.(-1,1)10.在K近邻算法中，K值的选择对分类结果有重要影响，如果K值过大，可能会导致（）A.分类精度提高B.分类精度降低C.模型复杂度增加D.模型训练时间缩短二、多项选择题（总共5题，每题6分，每题有两个或两个以上正确答案，请将正确答案填在括号内）1.以下属于机器学习中模型评估指标的有（）A.准确率（Accuracy）B.召回率（Recall）C.F1值D.均方误差（MSE）2.决策树的剪枝策略包括（）A.预剪枝B.后剪枝C.随机剪枝D.深度剪枝3.以下哪些是深度学习中常用的优化器（）A.随机梯度下降（SGD）B.AdagradC.AdadeltaD.Adam4.朴素贝叶斯算法的假设包括（）A.特征之间相互独立B.每个特征同等重要C.数据服从高斯分布D.数据服从泊松分布5.在机器学习中，数据预处理的步骤通常包括（）A.数据清洗B.数据集成C.数据变换D.数据归约三、判断题（总共10题，每题3分，请判断以下说法的对错，对的打√，错的打×）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.无监督学习中聚类算法的结果是固定的，不依赖于初始聚类中心的选择。（）3.支持向量机只能处理线性可分的数据。（）4.神经网络的层数越多，模型的性能一定越好。（）5.梯度下降算法总是能收敛到全局最优解。（）6.正则化参数λ越大，模型越容易过拟合。（）7.随机森林中的每棵决策树都是完全相同的。（）8.逻辑回归模型可以直接用于多分类问题。（）9.在K近邻算法中，距离度量方式只能选择欧氏距离。（）10.数据预处理的目的是提高数据质量，提升机器学习模型的性能。（）四、简答题（总共3题，每题10分，请简要回答以下问题）1.请简述监督学习和无监督学习的区别。2.解释一下什么是模型的过拟合和欠拟合，并说明如何解决这两个问题。3.简述梯度下降算法的基本原理，并说明如何选择合适的步长α。五、算法设计题（总共1题，20分，请设计一个简单的算法来解决以下问题）假设你有一个数据集，包含多个特征和一个类别标签，要求设计一个算法来预测新数据的类别标签。请描述算法的主要步骤，并说明你选择该算法的理由。答案：一、单项选择题1.B2.D3.A4.D5.A6.B7.D8.A9.A10.B二、多项选择题1.ABCD2.AB3.ABCD4.AB5.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用于预测；无监督学习无标注数据，主要任务是发现数据中的结构和规律，如聚类、降维等。2.过拟合是模型在训练集上表现很好，但在测试集上表现差，原因是模型过于复杂；欠拟合是模型在训练集和测试集上表现都差，原因是模型过于简单。解决过拟合可采用正则化、剪枝等；解决欠拟合可增加模型复杂度，如增加特征、层数等。3.梯度下降算法基本原理是通过不断调整参数，使损失函数值下降。选择合适步长α：若α过小，收敛慢；若α过大，可能不收敛或错过最优解。可采用动态调整α、尝试不同固定值等方法。五、算法设计题可选择决策树算法。步骤：首先计算每个