2026年人工智能数据挖掘易错试题

2026年人工智能数据挖掘易错试题1.单项选择题（每题2分，共20分）1.1在K-means聚类中，若某次迭代后所有簇的质心不再移动，下列哪一项一定成立？A.所有样本到其所属簇质心的距离之和达到全局最小B.所有样本到其所属簇质心的距离之和达到局部最小C.所有样本到全局质心的距离之和达到局部最小D.所有簇的SSE（SumofSquaredErrors）等于01.2给定一个高度不平衡的二分类数据集（正类占1%，负类占99%），使用准确率（Accuracy）作为评估指标的主要风险是：A.模型会过拟合正类B.模型会过拟合负类C.即使模型全部预测为负类，准确率仍高达99%D.精确率（Precision）一定等于召回率（Recall）1.3在Apriori算法中，若频繁3-项集L₃={{A,B,C},{A,B,D},{A,C,D},{B,C,D}}，则候选4-项集C₄的大小为：A.0B.1C.2D.41.4使用PCA降维时，若保留前k个主成分，则重构误差最小的解释是：A.前k个主成分的方差贡献率之和最大B.前k个主成分的协方差矩阵行列式最大C.前k个主成分对应的特征值之和最小D.所有主成分的方差贡献率相等1.5在随机森林中，关于“Out-of-Bag(OOB)误差”的描述，错误的是：A.无需额外验证集即可估计泛化误差B.每棵树的OOB样本用于计算该树的训练误差C.OOB误差是每棵树对其未参与训练的样本投票后的整体误差D.OOB估计与交叉验证结果通常高度相关1.6当使用梯度提升树（GBDT）时，若学习率设置过大，最不可能出现的现象是：A.训练误差快速下降但验证误差震荡B.模型在训练集上无法收敛C.模型陷入局部最小值D.过拟合速度加快1.7在文本挖掘中，TF-IDF值对下列哪种词最可能给出最高权重？A.在单篇文档中出现频率高且在整个语料库中出现频率高的词B.在单篇文档中出现频率高且在整个语料库中出现频率低的词C.在单篇文档中出现频率低且在整个语料库中出现频率高的词D.在单篇文档中出现频率低且在整个语料库中出现频率低的词1.8若使用线性核的SVM对线性不可分数据进行分类，下列措施中最无效的是：A.增加惩罚参数CB.采用RBF核C.进行特征多项式扩展D.使用软间隔1.9在深度自编码器中，若隐含层维度大于输入层维度，且未加入正则化，最容易出现：A.梯度消失B.梯度爆炸C.恒等映射导致无效特征提取D.死神经元1.10对于流式数据，使用HoeffdingTree算法时，若分裂评价函数连续多次判定同一特征最佳，但仍不分裂，最可能的原因是：A.内存溢出B.未满足Hoeffdingbound置信区间C.特征取值缺失D.数据分布突变2.多项选择题（每题3分，共15分；多选少选均不得分）2.1下列哪些操作会显著增加Word2Vec词向量的“语义线性性”？A.增大窗口尺寸B.采用NegativeSamplingC.对高频词进行SubsamplingD.增加向量维度2.2关于SMOTE过采样，下列说法正确的是：A.在特征空间进行插值B.可能产生噪声样本C.会降低多数类样本数量D.对高维稀疏数据效果通常较差2.3在GraphNeuralNetwork中，消息传递机制包含哪些步骤？A.AggregateB.UpdateC.PoolD.Readout2.4使用贝叶斯优化进行超参数调优时，采集函数（AcquisitionFunction）可选择：A.PI(ProbabilityofImprovement)B.EI(ExpectedImprovement)C.UCB(UpperConfidenceBound)D.MSE(MeanSquaredError)2.5下列哪些方法可用于检测孤立点（Outlier）？A.LOFB.One-ClassSVMC.DBSCAND.IsolationForest3.判断题（每题1分，共10分；正确打“√”，错误打“×”）3.1在EM算法中，E步计算的是隐变量的后验概率。3.2使用Dropout时，测试阶段仍需以概率p随机失活神经元。3.3L1正则化比L2更易产生稀疏解。3.4在PageRank中，阻尼系数α通常设为0.5。3.5若两个随机变量独立，则它们的互信息一定为0。3.6对同一数据集，k-NN的k值越大，决策边界越平滑。3.7在关联规则中，若规则A→B的置信度为1，则支持度也一定为1。3.8使用BatchNormalization可以减缓内部协变量偏移。3.9在深度强化学习中，Q-learning属于策略梯度方法。3.10当CNN的卷积核全部初始化为0时，网络仍可正常训练。4.填空题（每空2分，共20分）4.1给定二维数据X={(1,2),(2,3),(3,4)}，其协方差矩阵的迹为________。4.2若某频繁项集的支持度为0.01，事务总数为10⁶，则该项集出现的事务条数为________。4.3在t-SNE中，控制困惑度（Perplexity）参数可近似理解为调节有效________数。4.4使用RBF核的SVM，其核函数公式为K(x,y)=exp(−γ∥x−y∥²)，其中γ>0控制________。4.5若某GBDT模型共迭代T次，每次使用残差拟合一棵深度为d的回归树，则整体模型的最大叶子节点数为________。4.6在Transformer中，ScaledDot-ProductAttention的缩放因子为________。4.7若某卷积层输入张量尺寸为32×32×3，使用64个5×5卷积核，stride=1，padding=2，则输出特征图尺寸为________。4.8当使用EarlyStopping时，一般监控的指标为验证集上的________。4.9在HMM中，评估问题通常采用________算法解决。4.10若某深度学习模型使用ReLU激活，则其在负半轴的梯度为________。5.简答题（每题6分，共18分）5.1解释“维度灾难”在k-NN中的具体表现，并给出两种缓解措施。5.2简述XGBoost相对于传统GBDT的三项主要改进，并说明其带来的好处。5.3描述Self-Attention机制如何捕捉长距离依赖，并指出其与RNN相比的两项优势。6.计算与推导题（共17分）6.1（7分）给定一维数据集{−3,−2,0,2,3}，假设初始簇中心为−2与2，运行一次K-means迭代，要求：(1)写出簇分配结果；(2)计算新的簇中心；(3)计算本次迭代的SSE。6.2（10分）某电商采用UpliftModel评估优惠券效果，随机实验得到以下数据：组别人数购买人数实验组(T)1000120对照组(C)100080实验组未处理(T⁰)500（假设）40对照组处理(C¹)500（假设）90(1)计算平均处理效应（ATE）；(2)计算条件平均处理效应（CATE）在“高价值用户”子群（占总体20%，实验组转化率15%，对照组转化率5%）的数值；(3)若采用Two-Model方法，请写出uplift的估计公式，并解释其偏差来源。7.综合应用题（共20分）7.1某市地铁闸机每分钟记录乘客刷卡时间戳，形成高维稀疏矩阵。现需检测异常滞留行为（如闸机口徘徊）。请：(1)给出特征工程方案（至少三项特征）；(2)选择两种算法并说明理由；(3)设计评估指标，解释为何不用Accuracy；(4)给出线上部署的实时流程图（文字描述即可）。8.答案与解析8.1单项选择题1.B2.C3.B4.A5.B6.C7.B8.A9.C10.B解析示例：1.4PCA重构误差最小等价于保留最大方差方向，故选A。1.9无正则化时，网络可将隐含层学得与输入层一致，形成恒等映射，失去压缩意义。8.2多项选择题2.1ACD2.2ABD2.3ABD2.4ABC2.5ABCD解析示例：2.3消息传递经典三步：Aggregate、Update、Readout；Pool属于图级任务可选步骤。8.3判断题3.1√3.2×3.3√3.4×（应为0.85）3.5√3.6√3.7×3.8√3.9×3.10×8.4填空题4.12.33（计算协方差矩阵迹为tr(Σ)=σ₁₁+σ₂₂=2.5+0.166≈2.67，保留两位小数2.67）4.210⁴4.3邻居4.4样本间相似度的衰减速度4.5T·2^{d−1}4.6√d_k4.732×32×644.8损失或指标（如loss、AUC）4.9Forward-Backward4.1008.5简答题要点5.1维度灾难表现：距离度量失效、存储爆炸、过拟合。缓解：降维(PCA)、近似最近邻(ANN)。5.2改进：二阶导近似、正则项、并行块结构。好处：加速、防过拟合、可扩展。5.3Self-Attention通过全局点积直接建模任意位置关联；优势：并行、长依赖无梯度消失。8.6计算题详细步骤6.1(1)簇1：{−3,−2,0}，簇2：{2,3}(2)新中心：−5/3≈−1.67，2.5(3)SSE=(0.44+0.44+2.78)+(0.25+0.25)=4.166.2(1)ATE=P(T)−P(C)=120/1000−80/1000=0.04(2)CATE=15%−5%=0.10(3)Two-Model：τ