广东警官学院《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、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.梯度下降法总是能找到全局最优解C.步长的选择对梯度下降法的收敛速度有影响D.梯度方向是函数值下降最快的方向4.对于线性回归模型，损失函数通常采用（）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5.以下哪种方法不能用于特征选择？（）A.主成分分析B.Lasso回归C.决策树D.随机森林6.支持向量机中的核函数的作用是（）A.对数据进行分类B.对数据进行回归C.将低维数据映射到高维空间D.计算数据的相似度7.在K近邻算法中，K的取值（）A.越大越好B.越小越好C.需要根据具体情况调整D.固定为某个值8.下列关于神经网络的说法，正确的是（）A.神经网络只能处理线性问题B.神经网络的层数越多越好C.神经网络的训练过程就是调整权重的过程D.神经网络不需要进行特征工程9.以下哪种算法是基于概率模型的？（）A.朴素贝叶斯算法B.K均值算法C.层次聚类算法D.关联规则挖掘算法10.在机器学习中，过拟合是指（）A.模型在训练集上表现很好，但在测试集上表现很差B.模型在训练集和测试集上表现都很差C.模型在训练集上表现很差，但在测试集上表现很好D.模型在训练集和测试集上表现都很好二、多项选择题（总共5题，每题4分，每题至少有两个正确答案，请将正确答案填写在括号内，多选、少选或错选均不得分）1.以下属于无监督学习算法的有（）A.K均值算法B.层次聚类算法C.决策树算法D.线性回归算法E.主成分分析算法2.模型评估中常用的交叉验证方法有（）A.留出法B.交叉验证法C.自助法D.随机森林法E.梯度下降法3.下列关于决策树的说法，正确的有（）A.决策树是一种基于树结构进行决策的算法B.决策树的节点包含属性和属性值C.决策树的叶节点为类别标签D.决策树可以处理连续型数据E.决策树的生成过程是一个递归的过程4.特征工程的主要内容包括（）A.数据清洗B.特征选择C.特征提取D.特征缩放E.模型训练5.以下哪些算法可以用于处理多分类问题？（）A.决策树B.支持向量机C.朴素贝叶斯算法D.K近邻算法E.神经网络三、判断题（总共10题，每题2分，请判断下列说法的对错，正确的打“√”，错误的打“×”）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.梯度下降法中，步长越大，收敛速度越快。（）4.线性回归模型只能用于预测连续型变量。（）5.特征选择的目的是去除无关特征，提高模型的泛化能力。（）6.支持向量机的目标是找到一个最优的分类超平面，使得间隔最大。（）7.K近邻算法不需要进行训练，只需要在预测时进行计算。（）8.神经网络中的神经元是按照层次结构组织的。（）9.朴素贝叶斯算法假设特征之间是相互独立的。（）10.模型评估时，训练集和测试集的数据应该来自同一个分布。（）四、简答题（总共3题，每题10分，请简要回答以下问题）1.简述监督学习和无监督学习的区别，并各举一个例子。2.请说明梯度下降法的基本原理，并解释步长的作用。3.什么是特征工程？为什么特征工程在机器学习中很重要？五、综合题（总共2题，每题20分，请根据所学知识，解决以下实际问题）1.假设你有一个数据集，