2025年大学大一（人工智能技术应用）机器学习模型搭建试题及答案

2025年大学大一（人工智能技术应用）机器学习模型搭建试题及答案

（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：本大题共10小题，每小题3分。在每小题给出的四个选项中，只有一项是符合题目要求的。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.在构建线性回归模型时，用于衡量模型拟合优度的指标是？A.准确率B.召回率C.均方误差D.F1值3.对于一个二分类问题，逻辑回归模型的输出值范围是？A.(-∞,+∞)B.(0,1)C.(-1,1)D.[0,1]4.决策树中的信息增益是基于以下哪个概念计算的？A.熵B.方差C.协方差D.中位数5.支持向量机的核心思想是？A.寻找最大间隔超平面B.最小化损失函数C.最大化似然函数D.聚类数据点6.以下关于神经网络的说法，错误的是？A.由多个神经元组成B.可以自动提取特征C.训练过程不需要数据D.具有很强的非线性拟合能力7.在神经网络中，激活函数的作用是？A.增加模型的复杂度B.引入非线性因素C.加速模型训练D.减少模型参数8.以下哪种优化算法在深度学习中较为常用？A.梯度下降B.随机梯度下降C.AdagradD.以上都是9.对于一个多分类问题，常用的损失函数是？A.交叉熵损失函数B.均方误差损失函数C.绝对值损失函数D.平方损失函数10.在模型评估中，用于评估模型泛化能力的指标是？A.训练集准确率B.测试集准确率C.训练集损失D.测试集损失第II卷（非选择题共70分）11.（本题10分）简述监督学习和无监督学习的区别。12.（本题15分）请描述决策树的构建过程。13.（本题共15分，每题5分）-写出逻辑回归的数学表达式。-解释逻辑回归中sigmoid函数的作用。-说明如何使用逻辑回归进行二分类预测。14.（本题20分）材料：在一个图像分类任务中，使用卷积神经网络（CNN）进行模型搭建。已知数据集包含10个类别，每个类别有1000张图像。首先对图像进行预处理，包括归一化、数据增强等操作。然后构建一个简单的CNN模型，包含卷积层、池化层和全连接层。问题：-简述卷积层的作用。-池化层有哪些常见的池化方式？-全连接层在模型中的作用是什么？-如何评估该CNN模型的性能？15.（本题20分）材料：某公司希望通过机器学习模型预测客户是否会购买其新产品。收集了客户的年龄、收入、购买历史等数据作为特征。问题：-如果你负责搭建这个模型，你会选择哪种机器学习算法？为什么？-如何对数据进行预处理？-模型训练过程中，如何防止过拟合？-请简要描述模型评估的流程。答案：1.C2.C3.D4.A5.A6.C7.B8.D9.A10.B11.监督学习有标记数据，模型学习数据特征与标记关系，用于预测、分类等；无监督学习无标记数据，模型自动发现数据内在结构与规律，如聚类、降维。12.先确定根节点，计算各属性信息增益选最大的为根节点属性，对根节点属性不同取值划分数据集，递归对每个子集重复上述过程，直到子集样本属于同一类或无属性可分。13.数学表达式：$P(y=1|x;\theta)=\frac{1}{1+e^{-\theta^Tx}}$。sigmoid函数将线性组合映射到(0,1)概率值。预测时，计算$P(y=1|x;\theta)$，若大于0.5判为1类，否则为0类。14.卷积层提取图像局部特征。常见池化方式有最大池化、平均池化。全连接层将提取的特征映射到类别空间进行分类。评估性能可通过计算准确率、召回率、F1值等指标，用测试集数据测试模型。15.可选逻辑回归，因其简单易理解，适合处理线性关系数