广州美术学院《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，请将正确答案填入括号内）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.线性回归2.在机器学习中，模型评估的常用指标不包括以下哪项？（）A.准确率B.召回率C.均方误差D.数据量3.下列关于梯度下降法的说法，错误的是（）A.梯度下降法是一种迭代优化算法B.梯度方向是函数值下降最快的方向C.步长越大，收敛速度越快D.可能会陷入局部最优解4.神经网络中的激活函数作用不包括（）A.增加模型的非线性B.加快训练速度C.引入非线性变换D.使模型能够拟合复杂函数5.以下哪种方法可以用于处理过拟合问题？（）A.增加数据量B.减少特征数量C.提高学习率D.使用更复杂的模型6.在K近邻算法中，K的取值对结果的影响是（）A.K越大，模型越复杂B.K越小，分类越准确C.K越大，分类越准确D.K越小，模型越稳定7.支持向量机中，最大化间隔的目的是（）A.提高模型的泛化能力B.降低模型的训练时间C.增加模型的复杂度D.便于可视化8.以下关于朴素贝叶斯算法的描述，正确的是（）A.假设特征之间相互独立B.对缺失值敏感C.计算复杂度高D.适用于高维数据9.随机森林是由多个（）组成的集成学习模型。A.决策树B.svmC.神经网络D.线性回归模型10.在深度学习中，卷积层的主要作用是（）A.减少参数数量B.增加模型的深度C.提取特征D.进行分类二、多项选择题（总共5题，每题4分，每题有两个或两个以上正确答案，请将正确答案填入括号内，少选、多选、错选均不得分）1.以下属于无监督学习算法的有（）A.主成分分析B.自编码器C.聚类算法D.决策树2.模型评估中，交叉验证的方式包括（）A.留出法B.交叉验证法C.自助法D.随机验证法3.下列关于正则化的说法，正确的是（）A.L1正则化会使部分参数变为0B.L2正则化会使参数变小C.正则化可以防止过拟合D.正则化会降低模型的训练速度4.神经网络中，优化器的作用包括（）A.调整模型参数B.加速模型收敛C.防止梯度消失或爆炸D.提高模型准确率5.以下哪些是深度学习中常用的损失函数（）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.对数损失函数三、判断题（总共10题，每题2分，请判断对错，在括号内打“√”或“×”）()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.监督学习中，训练数据既有特征又有标签。()3.模型的准确率越高，说明模型的性能越好。()4.梯度下降法一定能找到全局最优解。()5.增加神经网络的层数一定会提高模型性能。()6.过拟合是指模型在训练集上表现很好，但在测试集上表现很差。()7.聚类算法不需要事先知道数据的类别标签。()8.支持向量机只能处理线性可分的数据。()9.朴素贝叶斯算法的计算复杂度与数据维度无关。()10.随机森林的预测结果是所有决策树预测结果的平均值。四、简答题（总共3题，每题10分）1.请简述监督学习和无监督学习的区别，并各举一个例子说明。2.解释梯度下降法的原理，并说明如何选择合适的步长。3.简述卷积神经网络中卷积层、