北京信息科技大学《机器学习：模型与算法》2025-2026学年第一学期期末试卷(B卷)

站名：站名：年级专业：姓名：学号：凡年级专业、姓名、学号错写、漏写或字迹不清者，成绩按零分记。…………密………………封………………线…………第1页，共1页北京信息科技大学《机器学习：模型与算法》2025-2026学年第一学期期末试卷(B卷)注意事项:1.请考生在下列横线上填写姓名、学号和年级专业。2.请仔细阅读各种题目的回答要求，在规定的位置填写答案。3.不要在试卷上乱写乱画，不要在装订线内填写无关的内容。4.考试时间120分钟专业学号姓名题号一二三四五六七八总分统分人复查人得分得分评分人一、单项选择题（每题1分，共20分）1.下列哪项不是监督学习中的分类算法？A.决策树B.支持向量机C.主成分分析D.K最近邻2.在机器学习中，以下哪个不是特征选择的方法？A.相关性分析B.递归特征消除C.交叉验证D.梯度下降3.下列哪个不是深度学习中的神经网络结构？A.卷积神经网络B.循环神经网络C.生成对抗网络D.线性回归4.在K最近邻算法中，k的取值对分类结果的影响是？A.k越大，分类结果越稳定B.k越小，分类结果越稳定C.k的取值对分类结果没有影响D.k的取值对分类结果有影响，但无法确定具体影响5.下列哪个不是强化学习中的策略学习算法？A.Q学习B.SarsaC.决策树D.神经网络6.在机器学习中，以下哪个不是特征提取的方法？A.主成分分析B.递归特征消除C.交叉验证D.特征选择7.下列哪个不是深度学习中的损失函数？A.交叉熵损失B.均方误差C.稀疏损失D.热度损失8.在机器学习中，以下哪个不是聚类算法？A.K均值B.层次聚类C.主成分分析D.决策树9.下列哪个不是深度学习中的优化算法？A.梯度下降B.AdamC.随机梯度下降D.梯度提升10.在机器学习中，以下哪个不是降维算法？A.主成分分析B.递归特征消除C.交叉验证D.特征选择11.下列哪个不是深度学习中的激活函数？A.ReLUB.SigmoidC.TanhD.线性函数12.在机器学习中，以下哪个不是分类算法？A.决策树B.支持向量机C.K最近邻D.主成分分析13.下列哪个不是深度学习中的损失函数？A.交叉熵损失B.均方误差C.稀疏损失D.热度损失14.在机器学习中，以下哪个不是聚类算法？A.K均值B.层次聚类C.主成分分析D.决策树15.下列哪个不是深度学习中的优化算法？A.梯度下降B.AdamC.随机梯度下降D.梯度提升16.在机器学习中，以下哪个不是降维算法？A.主成分分析B.递归特征消除C.交叉验证D.特征选择17.下列哪个不是深度学习中的激活函数？A.ReLUB.SigmoidC.TanhD.线性函数18.在机器学习中，以下哪个不是分类算法？A.决策树B.支持向量机C.K最近邻D.主成分分析19.下列哪个不是深度学习中的损失函数？A.交叉熵损失B.均方误差C.稀疏损失D.热度损失20.在机器学习中，以下哪个不是聚类算法？A.K均值B.层次聚类C.主成分分析D.决策树二、多项选择题（每题2分，共20分）1.以下哪些是监督学习中的分类算法？A.决策树B.支持向量机C.主成分分析D.K最近邻2.以下哪些是特征选择的方法？A.相关性分析B.递归特征消除C.交叉验证D.梯度下降3.以下哪些是深度学习中的神经网络结构？A.卷积神经网络B.循环神经网络C.生成对抗网络D.线性回归4.以下哪些是强化学习中的策略学习算法？A.Q学习B.SarsaC.决策树D.神经网络5.以下哪些是特征提取的方法？A.主成分分析B.递归特征消除C.交叉验证D.特征选择6.以下哪些是深度学习中的损失函数？A.交叉熵损失B.均方误差C.稀疏损失D.热度损失7.以下哪些是聚类算法？A.K均值B.层次聚类C.主成分分析D.决策树8.以下哪些是深度学习中的优化算法？A.梯度下降B.AdamC.随机梯度下降D.梯度提升9.以下哪些是降维算法？A.主成分分析B.递归特征消除C.交叉验证D.特征选择10.以下哪些是深度学习中的激活函数？A.ReLUB.SigmoidC.TanhD.线性函数三、判断题（每题1分，共10分）1.机器学习中的监督学习是指通过已知标签的数据来训练模型。（）2.主成分分析是一种特征选择方法，可以降低特征维度。（）3.深度学习中的神经网络结构包括卷积神经网络、循环神经网络和生成对抗网络。（）4.强化学习中的策略学习算法包括Q学习和Sarsa。（）5.交叉验证是一种特征选择方法，可以降低特征维度。（）6.梯度下降是一种优化算法，用于训练深度学习模型。（）7.K最近邻算法是一种分类算法，通过计算距离最近的k个样本来进行分类。（）8.主成分分析是一种降维算法，可以降低特征维度。（）9.交叉熵损失是深度学习中的损失函数，用于衡量预测值与真实值之间的差异。（）10.生成对抗网络是一种深度学习模型，用于生成新的数据样本。（）四、名词解释（每题4分，共20分）1.机器学习2.监督学习3.深度学习4.强化学习5.特征选择五、简答题（每题6分，共18分）1.简述机器学习中的监督学习、无监督学习和半监督学习的区别。2.简述深度学习中的卷积神经网络、循环神经网络和生成对抗网络的特点。3.简述强化学习中的策略学习算法和值函数学习算法的区别。六、案例分析题（1题，满分12分）某电商平台希望通过机器学习算法对用户进行个性化推荐。已知用户购买历史数据，包括用户ID、商品ID、购买时间