南京特殊教育师范学院《机器学习：模型与算法》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页南京特殊教育师范学院《机器学习：模型与算法》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.下列哪项不是监督学习中的分类算法？A.决策树B.K-近邻C.神经网络D.主成分分析2.在支持向量机（SVM）中，核函数的作用是什么？A.将数据映射到高维空间B.降低数据的维度C.增加数据的噪声D.减少数据的冗余3.下列哪项不是聚类算法？A.K-均值B.高斯混合模型C.决策树D.线性回归4.下列哪项不是深度学习中常用的激活函数？A.ReLUB.SigmoidC.SoftmaxD.Logarithmic5.在K-近邻算法中，k的取值对分类结果的影响是什么？A.k越大，分类结果越准确B.k越小，分类结果越准确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6.下列哪项不是特征选择的方法？A.单变量特征选择B.递归特征消除C.主成分分析D.线性回归7.在朴素贝叶斯分类器中，假设条件是什么？A.类别与特征相互独立B.类别与特征相互依赖C.类别与特征之间没有关系D.类别与特征之间存在非线性关系8.下列哪项不是降维算法？A.主成分分析B.线性判别分析C.线性回归D.线性最小二乘9.在决策树中，剪枝的目的是什么？A.提高模型的泛化能力B.降低模型的复杂度C.增加模型的准确率D.减少模型的计算量10.下列哪项不是集成学习方法？A.随机森林B.梯度提升机C.支持向量机D.线性回归11.在神经网络中，反向传播算法的作用是什么？A.计算损失函数的梯度B.更新网络权重C.减少模型的复杂度D.增加模型的准确率12.下列哪项不是强化学习中的策略学习？A.Q学习B.策略梯度C.深度Q网络D.决策树13.在K-均值聚类算法中，聚类中心的选择方法是什么？A.随机选择B.最小距离选择C.最大距离选择D.中位数选择14.下列哪项不是特征提取的方法？A.主成分分析B.线性判别分析C.线性回归D.线性最小二乘15.在朴素贝叶斯分类器中，先验概率的计算方法是什么？A.根据样本数据计算B.根据经验公式计算C.根据模型参数计算D.根据数据分布计算16.下列哪项不是降维算法？A.主成分分析B.线性判别分析C.线性回归D.线性最小二乘17.在决策树中，剪枝的目的是什么？A.提高模型的泛化能力B.降低模型的复杂度C.增加模型的准确率D.减少模型的计算量18.下列哪项不是集成学习方法？A.随机森林B.梯度提升机C.支持向量机D.线性回归19.在神经网络中，反向传播算法的作用是什么？A.计算损失函数的梯度B.更新网络权重C.减少模型的复杂度D.增加模型的准确率20.下列哪项不是强化学习中的策略学习？A.Q学习B.策略梯度C.深度Q网络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.K-近邻C.神经网络D.主成分分析2.以下哪些是聚类算法？A.K-均值B.高斯混合模型C.决策树D.线性回归3.以下哪些是深度学习中常用的激活函数？A.ReLUB.SigmoidC.SoftmaxD.Logarithmic4.以下哪些是特征选择的方法？A.单变量特征选择B.递归特征消除C.主成分分析D.线性回归5.以下哪些是集成学习方法？A.随机森林B.梯度提升机C.支持向量机D.线性回归6.以下哪些是强化学习中的策略学习？A.Q学习B.策略梯度C.深度Q网络D.决策树7.以下哪些是降维算法？A.主成分分析B.线性判别分析C.线性回归D.线性最小二乘8.以下哪些是特征提取的方法？A.主成分分析B.线性判别分析C.线性回归D.线性最小二乘9.以下哪些是朴素贝叶斯分类器中的假设条件？A.类别与特征相互独立B.类别与特征相互依赖C.类别与特征之间没有关系D.类别与特征之间存在非线性关系10.以下哪些是决策树中的剪枝方法？A.前剪枝B.后剪枝C.随机剪枝D.最小误差剪枝三、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输入和输出数据来训练模型，使其能够对未知数据进行预测。（）2.决策树是一种无监督学习算法，用于将数据集划分为不同的类别。（）3.神经网络是一种基于生物神经网络原理的机器学习算法，可以用于图像识别、语音识别等任务。（）4.支持向量机（SVM）是一种基于间隔最大化原理的分类算法，可以用于解决非线性问题。（）5.朴素贝叶斯分类器是一种基于贝叶斯定理的分类算法，假设特征之间相互独立。（）6.主成分分析（PCA）是一种降维算法，可以将高维数据转换为低维数据。（）7.集成学习方法是将多个模型组合起来，以提高模型的泛化能力。（）8.强化学习是一种通过与环境交互来学习策略的机器学习算法。（）9.聚类算法可以将数据集划分为不同的类别，并找到每个类别的聚类中心。（）10.深度学习是一种基于神经网络的学习方法，可以用于处理复杂的非线性问题。（）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.强化学习五、简答题（每题6分，共18分）1.简述决策树算法的原理。2.简述支持向量机（SVM）算法的原理。3.简述朴素贝叶斯分类器的原理。六、案例分析题（1题，满分12分）某电商平台收集了用户购买商品的历史数据，包括用户年龄、性