安徽建筑大学《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、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监督学习？（）A.决策树B.支持向量机C.聚类算法D.线性回归2.在机器学习中，模型评估指标中的准确率（Accuracy）是指（）。A.预测正确的样本数占总样本数的比例B.预测正确的正例样本数占总正例样本数的比例C.预测正确的负例样本数占总负例样本数的比例D.以上都不对3.对于线性回归模型，以下关于损失函数（LossFunction）的说法正确的是（）。A.均方误差损失函数是最常用的线性回归损失函数B.交叉熵损失函数常用于线性回归C.损失函数的值越小，模型性能越差D.损失函数与模型参数无关4.决策树的构建过程中，选择最优划分属性的依据是（）。A.信息增益B.信息熵C.基尼系数D.以上都可以5.支持向量机（SVM）的核心思想是（）。A.寻找最大间隔超平面来分隔不同类别的样本B.最小化损失函数C.对数据进行聚类D.以上都不是6.以下哪个不是常见的正则化方法？（）A.L1正则化B.L2正则化C.L0正则化D.以上都是正则化方法7.在神经网络中，激活函数的作用是（）。A.增加模型的非线性能力B.使模型更快收敛C.减少模型参数D.以上都不对8.对于梯度下降算法，以下说法错误的是（）。A.梯度下降是一种迭代优化算法B.步长（LearningRate）越大，算法收敛越快C.梯度下降的方向是函数值下降最快的方向D.梯度下降可以用于求解损失函数的最小值9.以下哪种模型属于生成式模型？（）A.朴素贝叶斯B.逻辑回归C.决策树D.支持向量机10.在K近邻算法中，K的取值对模型性能有重要影响，以下说法正确的是（）。A.K值越大，模型越容易过拟合B.K值越小，模型越容易过拟合C.K值的大小与过拟合无关D.以上都不对二、多项选择题（总共5题，每题4分，每题有多个正确答案，请将正确答案填写在括号内，多选或少选均不得分）1.以下哪些是机器学习中的常见数据集划分方式？（）A.训练集、验证集、测试集B.训练集、测试集C.交叉验证D.留一法2.对于深度学习模型，以下哪些是常用的优化器？（）A.AdamB.SGDC.AdagradD.RMSProp3.在特征工程中，以下哪些方法可以用于特征选择？（）A.基于信息增益的方法B.基于L1正则化的方法C.基于模型系数的方法D.主成分分析4.以下哪些属于无监督学习算法？（）A.K均值聚类算法B.层次聚类算法C.自编码器D.高斯混合模型5.关于模型评估，以下说法正确的是（）。A.可以使用多种评估指标来综合评估模型性能B.训练集上的评估指标可以直接反映模型的泛化能力C.测试集用于评估模型的泛化性能D.验证集用于调整模型超参数三、判断题（总共10题，每题2分，请判断对错，在括号内填写“√”或“×”）1.机器学习的目标是让计算机自动从数据中学习模式和规律，以做出预测或决策。（）2.监督学习中的分类问题和回归问题的目标是相同的。（）3.决策树只能处理数值型特征。（）4.支持向量机中的核函数可以将低维空间中的数据映射到高维空间进行处理。（）5.正则化可以防止模型过拟合，但会降低模型的泛化能力。（）6.神经网络中的神经元可以接收多个输入并产生一个输出。（）7.梯度下降算法一定能收敛到全局最优解。（）8.生成式模型可以直接对数据的生成过程进行建模，而判别式模型则侧重于对数据的分类或回归。（）9.在K近邻算法中，距离度量方法只能使用欧氏距离。（）10.模型评估指标中的召回率（Recall）是指预测正确的正例样本数占预测为正例样本数的比例。（）四、简答题（总共3题，每题10分）1.请简要介绍一下线性回归模型的基本原理，并说明如何通过最小二乘法求解模型参数。2.什么是模型的过拟合和欠拟合？请分别说明它们产生的原因以及如何解决这两个问题。3.请阐述支持向量机中最大间隔超平面的概念，并说明如何求解支持向量机的最优超平面。五、论述题（总共2题，每题15分）1.随着深度学习的发展，神经网络在很多领域取得了巨大成