安徽工业大学《机器学习》2024 - 2025 学年第一学期期末试卷

第1页学院：专业班级：姓名：学院：专业班级：姓名：学号：装订线内不要答题学院/专业：__________姓名：__________学号：__________注意事项：1、本试卷满分100分。2、考试时间120分钟。题号一二三四五六七得分得分评阅人一、单项选择题(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.自编码器2.在K近邻算法中，K值的选择对模型性能有重要影响，当K值较小时，模型容易()。A.过拟合B.欠拟合C.泛化能力增强D.不受影响3.支持向量机（SVM）主要用于解决()问题。A.回归B.分类C.聚类D.降维4.以下关于神经网络的说法，错误的是()。A.神经网络可以自动提取数据特征B.增加神经网络的层数一定会提高模型性能C.反向传播算法用于训练神经网络D.神经网络是一种非线性模型5.下列哪个损失函数常用于线性回归模型？()A.交叉熵损失函数B.均方误差损失函数C.铰链损失函数D.指数损失函数6.随机森林是由多个()构成的。A.决策树B.支持向量机C.神经网络D.线性回归模型7.在朴素贝叶斯分类中，假设特征之间是()。A.相互独立的B.高度相关的C.部分相关的D.非线性关系8.梯度下降算法中，学习率的大小会影响()。A.模型的收敛速度B.模型的泛化能力C.模型的准确率D.模型的复杂度9.以下哪种方法不属于模型评估指标？()A.准确率B.召回率C.F1值D.均方误差10.当数据存在缺失值时，以下哪种处理方法不太合适？()A.填充缺失值B.删除包含缺失值的样本C.忽略缺失值进行建模D.用模型预测缺失值二、多项选择题(总共5题，每题5分，每题有两个或两个以上正确答案，请将正确答案填写在括号内)1.以下哪些属于监督学习算法？()A.线性回归B.逻辑回归C.聚类算法D.决策树E.主成分分析2.在模型评估中，常用的划分数据集的方法有()。A.留出法B.交叉验证法C.自助法D.分层抽样法E.随机抽样法3.以下关于深度学习的说法，正确的有()。A.深度学习可以自动提取数据的高层抽象特征B.深度学习在图像识别、语音识别等领域取得了巨大成功C.深度学习模型的训练需要大量的数据和计算资源D.深度学习主要包括卷积神经网络、循环神经网络等E.深度学习是一种传统的机器学习算法4.以下哪些是优化算法？()A.随机梯度下降B.AdagradC.AdadeltaD.RMSPropE.Adam5.以下关于特征工程的说法，正确的是()。A.特征工程可以提高模型的性能B.特征工程包括特征提取、特征选择、特征变换等C.特征工程可以减少数据维度D.特征工程可以增强数据的可解释性E.特征工程只适用于监督学习三、判断题(总共10题，每题2分，请判断以下说法的对错，在括号内填写“√”或“×”)1.无监督学习不需要标签数据。()2.决策树的剪枝可以防止过拟合。()3.支持向量机只能处理线性可分的数据。()4.神经网络的激活函数只能选择Sigmoid函数。()5.线性回归模型的目标是最小化损失函数。()6.随机森林中的决策树之间是相互独立的。()7.朴素贝叶斯分类的假设在实际中往往不成立。()8.梯度下降算法总是能找到全局最优解。()9.准确率和召回率是相互矛盾的指标。()10.特征选择可以去除冗余特征和噪声特征。()四、简答题(总共3题，每题10分)1.简述K近邻算法的基本原理和优缺点。2.请解释支持向量机的最大间隔超平面的概念，并说明其在分类中的作用。3.什么是模型的过拟合和欠拟合？如何解决这两个问题？五、综合题(总共2题，每题15分)1.给定一个数据集，包含多个特征和一个标签。请描述你将如何使用决策树算法对该数据集进行