上海外国语大学贤达经济人文学院《机器学习》2025-2026学年第二学期期末试卷(A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页上海外国语大学贤达经济人文学院《机器学习》2025-2026学年第二学期期末试卷(A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.以下哪项不是机器学习的基本类型？A.监督学习B.无监督学习C.半监督学习D.强化学习2.在监督学习中，以下哪种算法适用于分类问题？A.K-最近邻算法B.决策树C.线性回归D.主成分分析3.以下哪项不是特征选择的方法？A.相关性分析B.信息增益C.支持向量机D.递归特征消除4.在机器学习中，以下哪项不是模型评估指标？A.准确率B.精确率C.召回率D.F1分数5.以下哪项不是深度学习的常见网络结构？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6.在机器学习中，以下哪项不是过拟合的原因？A.模型复杂度过高B.训练数据量不足C.特征选择不当D.模型参数设置不当7.以下哪项不是强化学习中的奖励函数？A.正奖励B.负奖励C.惩罚D.无奖励8.在机器学习中，以下哪项不是特征提取的方法？A.主成分分析B.降维C.特征选择D.特征工程9.以下哪项不是机器学习中的优化算法？A.梯度下降B.随机梯度下降C.牛顿法D.拉格朗日乘数法10.在机器学习中，以下哪项不是聚类算法？A.K-均值算法B.层次聚类C.密度聚类D.线性回归11.以下哪项不是机器学习中的数据预处理方法？A.数据清洗B.数据标准化C.数据归一化D.数据增强12.在机器学习中，以下哪项不是特征选择的方法？A.相关性分析B.信息增益C.支持向量机D.递归特征消除13.以下哪项不是机器学习中的优化算法？A.梯度下降B.随机梯度下降C.牛顿法D.拉格朗日乘数法14.在机器学习中，以下哪项不是特征提取的方法？A.主成分分析B.降维C.特征选择D.特征工程15.以下哪项不是机器学习中的数据预处理方法？A.数据清洗B.数据标准化C.数据归一化D.数据增强16.在机器学习中，以下哪项不是特征选择的方法？A.相关性分析B.信息增益C.支持向量机D.递归特征消除17.以下哪项不是机器学习中的优化算法？A.梯度下降B.随机梯度下降C.牛顿法D.拉格朗日乘数法18.在机器学习中，以下哪项不是特征提取的方法？A.主成分分析B.降维C.特征选择D.特征工程19.在机器学习中，以下哪项不是数据预处理方法？A.数据清洗B.数据标准化C.数据归一化D.数据增强20.在机器学习中，以下哪项不是特征选择的方法？A.相关性分析B.信息增益C.支持向量机D.递归特征消除二、多项选择题（每题2分，共20分）1.以下哪些是机器学习的基本类型？A.监督学习B.无监督学习C.半监督学习D.强化学习2.以下哪些算法适用于分类问题？A.K-最近邻算法B.决策树C.线性回归D.主成分分析3.以下哪些是特征选择的方法？A.相关性分析B.信息增益C.支持向量机D.递归特征消除4.以下哪些是模型评估指标？A.准确率B.精确率C.召回率D.F1分数5.以下哪些是深度学习的常见网络结构？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6.以下哪些是过拟合的原因？A.模型复杂度过高B.训练数据量不足C.特征选择不当D.模型参数设置不当7.以下哪些是强化学习中的奖励函数？A.正奖励B.负奖励C.惩罚D.无奖励8.以下哪些是特征提取的方法？A.主成分分析B.降维C.特征选择D.特征工程9.以下哪些是机器学习中的优化算法？A.梯度下降B.随机梯度下降C.牛顿法D.拉格朗日乘数法10.以下哪些是聚类算法？A.K-均值算法B.层次聚类C.密度聚类D.线性回归三、判断题（每题1分，共10分）1.机器学习是一种人工智能技术，旨在使计算机能够从数据中学习并做出决策。（）2.监督学习是一种机器学习方法，它通过训练数据来学习如何对新的数据进行分类或回归。（）3.无监督学习是一种机器学习方法，它通过未标记的数据来学习数据的结构和模式。（）4.深度学习是一种机器学习方法，它使用多层神经网络来学习数据的复杂特征。（）5.过拟合是指模型在训练数据上表现良好，但在测试数据上表现不佳。（）6.特征选择是指从原始数据中选择最有用的特征，以提高模型的性能。（）7.优化算法是用于调整模型参数，以最小化损失函数的方法。（）8.聚类算法是一种无监督学习方法，它将相似的数据点分组在一起。（）9.数据预处理是机器学习过程中的重要步骤，它包括数据清洗、数据标准化和数据归一化。（）10.机器学习在各个领域都有广泛的应用，如自然语言处理、计算机视觉和推荐系统等。（）四、名词解释（每题4分，共20分）1.机器学习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.简述机器学习的基本类型及其特点。2.简述监督学习中的分类算法和回归算法。3.简述无监督学习中的聚类算法。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技术对用户进行个性化推荐。已知以下数据：用户ID|商品ID|用户评分||1|1|51|2|41|3|32|1|52|2|42|3|5