中北大学《模式识别与机器学习》2025-2026学年第一学期期末试卷(A卷)_第1页
中北大学《模式识别与机器学习》2025-2026学年第一学期期末试卷(A卷)_第2页
中北大学《模式识别与机器学习》2025-2026学年第一学期期末试卷(A卷)_第3页
中北大学《模式识别与机器学习》2025-2026学年第一学期期末试卷(A卷)_第4页
中北大学《模式识别与机器学习》2025-2026学年第一学期期末试卷(A卷)_第5页
已阅读5页,还剩1页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

说明:本试卷将作为样卷直接制版胶印,请命题教师在试题之间留足答题空间。(第1页共6页)制卷人签名:制卷人签名:制卷日期:审核人签名::审核日期:………………………………………………装……订……线…………………中北大学《模式识别与机器学习》2025-2026学年第一学期期末试卷(A卷)适用年级专业考试方式闭卷考试时间120分钟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………………得分一、单项选择题(每题1分,共20分)1.下列哪项不是模式识别的基本任务?A.分类B.回归C.降维D.机器翻译2.下列哪种算法属于监督学习?A.K-meansB.AprioriC.决策树D.主成分分析3.下列哪种方法不属于特征选择?A.相关性分析B.递归特征消除C.支持向量机D.卡方检验4.下列哪种算法属于无监督学习?A.决策树B.线性回归C.K-meansD.支持向量机5.下列哪种方法不属于聚类算法?A.K-meansB.层次聚类C.主成分分析D.聚类有效性6.下列哪种算法属于深度学习?A.决策树B.支持向量机C.卷积神经网络D.主成分分析7.下列哪种方法不属于特征提取?A.主成分分析B.递归特征消除C.支持向量机D.卡方检验8.下列哪种算法属于半监督学习?A.决策树B.线性回归C.K-meansD.支持向量机9.下列哪种方法不属于特征选择?A.相关性分析B.递归特征消除C.支持向量机D.卡方检验10.下列哪种算法属于无监督学习?A.决策树B.线性回归C.K-meansD.支持向量机11.下列哪种方法不属于聚类算法?A.K-meansB.层次聚类C.主成分分析D.聚类有效性12.下列哪种算法属于深度学习?A.决策树B.支持向量机C.卷积神经网络D.主成分分析13.下列哪种方法不属于特征提取?A.主成分分析B.递归特征消除C.支持向量机D.卡方检验14.下列哪种算法属于半监督学习?A.决策树B.线性回归C.K-meansD.支持向量机15.下列哪种方法不属于特征选择?A.相关性分析B.递归特征消除C.支持向量机D.卡方检验16.下列哪种算法属于无监督学习?A.决策树B.线性回归C.K-meansD.支持向量机17.下列哪种方法不属于聚类算法?A.K-meansB.层次聚类C.主成分分析D.聚类有效性18.下列哪种算法属于深度学习?A.决策树B.支持向量机C.卷积神经网络D.主成分分析19.下列哪种方法不属于特征提取?A.主成分分析B.递归特征消除C.支持向量机D.卡方检验20.下列哪种算法属于半监督学习?A.决策树B.线性回归C.K-meansD.支持向量机二、多项选择题(每题2分,共20分)1.模式识别的基本任务包括:A.分类B.回归C.降维D.机器翻译2.监督学习算法包括:A.决策树B.线性回归C.K-meansD.支持向量机3.无监督学习算法包括:A.K-meansB.层次聚类C.主成分分析D.聚类有效性4.深度学习算法包括:A.决策树B.支持向量机C.卷积神经网络D.主成分分析5.特征选择方法包括:A.相关性分析B.递归特征消除C.支持向量机D.卡方检验三、判断题(每题1分,共10分)1.模式识别是一种从数据中提取有用信息的方法。()2.监督学习算法需要训练数据集。()3.无监督学习算法不需要训练数据集。()4.深度学习算法是一种无监督学习算法。()5.特征选择可以减少数据集的维度。()6.支持向量机是一种分类算法。()7.决策树是一种回归算法。()8.K-means是一种聚类算法。()9.主成分分析是一种降维方法。()10.递归特征消除是一种特征选择方法。()四、名词解释(每题4分,共20分)1.模式识别2.监督学习3.无监督学习4.深度学习5.特征选择五、简答题(每题6分,共18分)1.简述模式识别的基本任务。2.简述监督学习算法的特点。3.简述无监督学习算法的特点。六、案例分析题(1题,满分12分)某公司希望开发一款智能推荐系统,该系统可以根据

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论