北京电影学院《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，请将正确答案填在括号内）1.以下哪种算法不属于无监督学习？（）A.决策树B.聚类算法C.主成分分析D.自动编码器2.在梯度下降算法中，步长（learningrate）的选择对算法的收敛速度有重要影响。如果步长过大，可能会导致（）。A.算法收敛到局部最优解B.算法收敛速度过慢C.算法跳过最优解D.算法不收敛3.神经网络中的激活函数（activationfunction）的作用是（）。A.增加模型的非线性能力B.提高模型的训练速度C.减少模型的参数数量D.防止模型过拟合4.支持向量机（SVM）的主要目标是（）。A.找到最大间隔超平面B.最小化分类错误率C.最大化数据的方差D.最小化数据的均值5.以下关于K近邻算法（KNN）的说法，错误的是（）。A.KNN是一种有监督学习算法B.KNN不需要进行训练C.KNN的预测结果取决于K的取值D.KNN适用于高维数据6.随机森林（RandomForest）是由多个（）组成的集成学习模型。A.决策树B.神经网络C.支持向量机D.朴素贝叶斯7.在深度学习中，常用的优化器（optimizer）不包括（）。A.AdamB.SGDC.RMSPropD.Lasso8.以下哪种方法可以用于处理数据中的缺失值？（）A.数据归一化B.特征选择C.插补法D.降维9.模型评估中，用于衡量回归模型预测准确性的常用指标是（）。A.准确率（accuracy）B.召回率（recall）C.F1值D.均方误差（MSE）10.深度学习模型中的卷积层（ConvolutionalLayer）主要用于（）。A.提取数据的特征B.增加模型的非线性C.减少模型的参数数量D.对数据进行分类二、多项选择题（总共5题，每题4分，每题有两个或以上正确答案，请将正确答案填在括号内，多选、少选、错选均不得分）1.以下属于监督学习算法的有（）。A.线性回归B.逻辑回归C.朴素贝叶斯D.K均值聚类2.下列关于梯度下降的说法，正确的是（）。A.梯度下降是一种迭代优化算法B.它通过不断调整参数来最小化损失函数C.梯度的方向是函数值下降最快的方向D.步长越大，收敛速度越快3.神经网络的优点包括（）。A.具有很强的非线性拟合能力B.能够自动提取数据特征C.对数据的适应性强D.模型训练速度快4.防止模型过拟合的方法有（）。A.增加训练数据B.使用正则化方法C.采用早停策略D.减少模型参数5.以下哪些技术可以用于特征工程？（）A.特征缩放B.特征选择C.特征提取D.数据清洗三、判断题（总共10题，每题2分，请判断对错，对的打√，错的打×）1.无监督学习不需要标签数据。（）2.决策树算法只能处理数值型数据。（）3.神经网络中的隐藏层越多，模型的性能越好。（）4.支持向量机在处理线性不可分数据时，需要使用核函数。（）5.K近邻算法的计算复杂度与样本数量成正比。（）6.随机森林中的每棵决策树都是独立训练的。（）7.深度学习模型的训练过程就是不断调整参数以降低损失函数值的过程。（）8.数据归一化可以提高模型的收敛速度。（）9.模型评估指标中的准确率和召回率在所有情况下都同等重要。（）10.卷积神经网络只能用于图像识别。（）四、简答题（总共3题，每题10分）1.请简要介绍梯度下降算法的原理，并说明如何选择合适的步长。2.解释支持向量机中的最大间隔超平面的概念，并说明其在分类问题中的作用。3.简述特征选择的主要方法，并说明其优缺点。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