人工智能机器学习概念试卷及答案

人工智能机器学习概念试卷及答案一、单项选择题（每题2分，共20分）1.以下哪项属于监督学习任务？A.客户分群（Clustering）B.图像风格迁移（StyleTransfer）C.垃圾邮件分类（SpamClassification）D.异常检测（AnomalyDetection）2.训练模型时，若验证集误差远大于训练集误差，最可能的原因是：A.模型欠拟合（Underfitting）B.数据存在噪声C.模型过拟合（Overfitting）D.学习率过小3.逻辑回归（LogisticRegression）的损失函数通常使用：A.均方误差（MSE）B.交叉熵（Cross-Entropy）C.绝对值误差（MAE）D.hingeloss4.以下哪种方法用于解决过拟合问题？A.增加训练数据量B.减少特征数量C.添加L2正则化项D.以上都是5.支持向量机（SVM）的核心目标是：A.最小化训练误差B.最大化分类间隔（Margin）C.优化核函数参数D.降低计算复杂度6.随机森林（RandomForest）中“随机”主要体现在：A.随机选择样本（Bootstrap）B.随机选择特征子集C.随机初始化树的结构D.A和B7.以下哪项是无监督学习的典型应用？A.预测房价（回归任务）B.新闻主题聚类（TopicClustering）C.手写数字识别（分类任务）D.股票价格预测（时间序列）8.梯度下降（GradientDescent）中，“梯度”指的是：A.损失函数对参数的偏导数B.数据特征的变化率C.模型输出的概率分布D.训练数据的分布梯度9.以下哪种指标适用于不平衡分类数据的性能评估？A.准确率（Accuracy）B.F1分数（F1-Score）C.均方根误差（RMSE）D.R²分数（R-Squared）10.卷积神经网络（CNN）中，卷积层的主要作用是：A.降维（DimensionalityReduction）B.提取局部特征（LocalFeatureExtraction）C.非线性变换（NonlinearTransformation）D.全局信息整合（GlobalContextAggregation）二、填空题（每空2分，共20分）1.机器学习中，将原始数据转换为模型可处理形式的过程称为______。2.当模型在训练集上表现良好，但在新数据上表现差时，称为______。3.决策树中，用于衡量数据混乱程度的指标是______（写出一种）。4.强化学习的三要素是______、动作（Action）和奖励（Reward）。5.神经网络中，激活函数的作用是引入______，使模型能拟合复杂函数。6.欠拟合通常是由于模型______（填“复杂度不足”或“复杂度过高”）导致的。7.K近邻（KNN）算法的核心假设是______。8.主成分分析（PCA）的目标是找到一组______的正交特征，最大化数据方差。9.生成对抗网络（GAN）由生成器（Generator）和______两部分组成。10.模型评估时，将数据划分为训练集、验证集和测试集的主要目的是______。三、简答题（每题6分，共30分）1.简述监督学习与无监督学习的本质区别，并各举一个典型应用场景。2.解释“偏差-方差权衡”（Bias-VarianceTradeoff）的含义，并说明其对模型选择的指导意义。3.什么是特征工程？列举至少3种常用的特征工程方法。4.简述交叉验证（Cross-Validation）的作用及常用类型（至少两种）。5.说明梯度消失（GradientVanishing）现象的成因及一种解决方法。四、论述题（每题10分，共20分）1.比较随机森林（RandomForest）与梯度提升树（GradientBoostingDecisionTree,GBDT）的异同，包括原理、优缺点及适用场景。2.结合具体任务（如客户流失预测），论述机器学习模型开发的完整流程，并说明各阶段的关键步骤。五、案例分析题（10分）某电商平台希望通过用户行为数据预测“高价值客户”（消费金额≥1万元/年），现有数据包括用户年龄、性别、月均购物次数、历史退货率、浏览商品类别、近30天登录时长。请设计一个机器学习解决方案，要求：（1）明确任务类型（分类/回归）；（2）列出关键特征工程步骤；（3）选择至少2种候选模型并说明理由；（4）提出模型评估的核心指标。答案一、单项选择题1.C2.C3.B4.D5.B6.D7.B8.A9.B10.B二、填空题1.特征工程（FeatureEngineering）2.过拟合（Overfitting）3.信息熵（Entropy）/基尼系数（GiniImpurity）4.状态（State）5.非线性（Nonlinearity）6.复杂度不足7.相似样本具有相似的输出（或“近邻样本具有相似特征”）8.互不相关（或“线性无关”）9.判别器（Discriminator）10.避免模型过拟合，客观评估泛化能力三、简答题1.本质区别：监督学习使用带标签的数据（输入-输出对）训练模型，目标是学习输入到输出的映射；无监督学习使用无标签数据，目标是发现数据内在结构或模式。典型场景：监督学习如垃圾邮件分类（标签为“垃圾”或“非垃圾”）；无监督学习如客户分群（无预设标签，根据行为自动分组）。2.偏差-方差权衡：偏差（Bias）指模型对真实关系的近似误差（欠拟合时偏差高），方差（Variance）指模型对训练数据波动的敏感程度（过拟合时方差高）。二者此消彼长，最优模型需在偏差和方差间找到平衡，避免极端欠拟合或过拟合。3.特征工程：通过数据清洗、转换和构造，提升模型性能的过程。常用方法：-缺失值处理（如均值填充、KNN填充）；-特征标准化/归一化（如Z-score标准化）；-类别特征编码（如独热编码、目标编码）；-特征交互（构造交叉特征，如“月均购物次数×客单价”）；-时间特征提取（如将日期转换为星期几、月份）。4.作用：充分利用有限数据评估模型泛化能力，减少单次随机划分的偶然性误差。常用类型：-简单交叉验证（Hold-outCV）：按比例划分训练集和验证集；-K折交叉验证（K-FoldCV）：将数据均分为K份，依次用K-1份训练、1份验证；-留一交叉验证（LOOCV）：K=N（样本数），每次留1个样本验证（计算成本高）。5.成因：深层神经网络中，反向传播时梯度通过激活函数（如Sigmoid）的导数连乘衰减，导致浅层网络参数更新缓慢甚至停止。解决方法：-使用ReLU（RectifiedLinearUnit）等非饱和激活函数（导数在正数区间为1，避免梯度消失）；-采用批量归一化（BatchNormalization），稳定层间输入分布；-残差网络（ResNet）通过跳跃连接（SkipConnection）直接传递梯度。四、论述题1.相同点：均基于决策树集成，通过多个弱分类器组合提升性能；均能处理分类和回归任务；对特征缩放不敏感。不同点：-原理：随机森林是并行集成（Bagging方法），通过Bootstrap采样和随机特征子集生成多棵独立树，最终投票/平均；GBDT是串行集成（Boosting方法），每棵树拟合前序模型的残差（梯度），逐步减少误差。-优缺点：随机森林训练速度快（并行），抗过拟合能力强，但可能忽略局部误差；GBDT精度更高（逐步优化），但易过拟合（对噪声敏感），训练时间长（串行）。-适用场景：随机森林适用于对速度要求高、数据噪声大的场景（如推荐系统粗排）；GBDT适用于精度优先、数据质量高的场景（如金融风控评分）。2.客户流失预测流程（以二分类任务为例）：-问题定义：明确目标（预测用户未来3个月是否流失，标签为“流失”/“未流失”），确定业务指标（如提升留存率10%）。-数据收集与清洗：提取用户基础信息（年龄、性别）、行为数据（月均登录次数、订单金额）、交互数据（客服咨询频率）；处理缺失值（如用中位数填充月均登录次数）、异常值（如剔除单日登录100次的异常用户）。-特征工程：构造新特征（如“最近一次购买距今天数”“高价值商品浏览占比”）；对类别特征（性别）进行独热编码；对连续特征（年龄）分箱（如18-25岁、26-35岁）；标准化处理（如对登录时长做Z-score变换）。-模型选择与训练：候选模型包括逻辑回归（解释性强，适合快速验证）、XGBoost（处理高维数据，自动处理特征交互）；使用5折交叉验证训练，调整超参数（如逻辑回归的正则化系数、XGBoost的学习率）。-模型评估：使用测试集计算准确率、召回率（关注流失用户的捕获能力）、F1分数（平衡查准与查全）、AUC-ROC（整体分类性能）；分析混淆矩阵，优化阈值（如降低假负率，避免漏判高风险用户）。-部署与迭代：将最优模型部署为API接口，实时预测用户流失概率；定期监控模型性能（如每月评估AUC是否下降），重新训练数据（加入新行为特征）以适应用户行为变化。五、案例分析题（1）任务类型：二分类（目标标签为“高价值客户”（是/否））。（2）关键特征工程步骤：-缺失值处理：对“历史退货率”缺失的用户，用同类用户（如相同年龄、性别）的均值填充；-类别特征编码：“浏览商品类别”为多值类别特征，采用目标编码（计算每个类别对应的高价值客户比例）；-特征构造：生成“月均购物次数×客单价”（反映消费能力）、“近30天登录时长/月均购物次数”（反映用户粘性）；-连续特征分箱：将“年龄”分为青年（18-30）、中年（31-50）、老年（51+），捕捉年龄与消费的非线性关系；-标准化：对“近30天登录时长”进行Z-score标准化，消除量纲影响。（3）候选模型及理由：-逻辑回归（LogisticRegression）：解释性强，可通过系数分析各特征对高价值客户的影响（如“月均购物次数”系数为正，说明购物越频繁越可能成为高价值客户），适合业务方理解驱动因素；-_lightGBM_（梯度提升树）：处理高维稀疏数据效率高，支持类别特征