九州职业技术学院《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页九州职业技术学院《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.下列哪个算法属于监督学习？A.决策树B.支持向量机C.聚类算法D.主成分分析2.下列哪个是深度学习中常用的损失函数？A.均方误差B.累计分布函数C.最大似然估计D.累计分布函数3.下列哪个是K-means算法的缺点？A.对初始值敏感B.不能处理噪声数据C.需要指定聚类数目D.以上都是4.下列哪个是强化学习中的奖励函数？A.状态函数B.动作函数C.奖励函数D.状态-动作函数5.下列哪个是深度学习中常用的激活函数？A.ReLUB.SigmoidC.SoftmaxD.以上都是6.下列哪个是神经网络中常用的优化算法？A.梯度下降B.梯度上升C.牛顿法D.以上都是7.下列哪个是朴素贝叶斯分类器的假设？A.独立性假设B.相似性假设C.对称性假设D.以上都是8.下列哪个是KNN算法的缺点？A.计算量大B.对噪声数据敏感C.对特征维度敏感D.以上都是9.下列哪个是线性回归的损失函数？A.均方误差B.交叉熵C.累计分布函数D.最大似然估计10.下列哪个是支持向量机中的核函数？A.线性核B.多项式核C.高斯核D.以上都是11.下列哪个是神经网络中的权重初始化方法？A.随机初始化B.正态分布初始化C.均匀分布初始化D.以上都是12.下列哪个是决策树中的剪枝方法？A.预剪枝B.后剪枝C.简化剪枝D.以上都是13.下列哪个是K-means算法的收敛条件？A.所有样本聚类中心不再变化B.所有样本距离聚类中心不再变化C.所有样本聚类中心距离不再变化D.以上都是14.下列哪个是神经网络中的正则化方法？A.L1正则化B.L2正则化C.DropoutD.以上都是15.下列哪个是强化学习中的Q值函数？A.状态-动作值函数B.状态值函数C.动作值函数D.以上都是16.下列哪个是深度学习中常用的损失函数？A.均方误差B.交叉熵C.累计分布函数D.最大似然估计17.下列哪个是神经网络中的激活函数？A.ReLUB.SigmoidC.SoftmaxD.以上都是18.下列哪个是支持向量机中的优化算法？A.梯度下降B.牛顿法C.拉格朗日乘子法D.以上都是19.下列哪个是神经网络中的权重更新方法？A.动量法B.RMSpropC.AdamD.以上都是20.下列哪个是决策树中的分类方法？A.ID3B.C4.5C.CARTD.以上都是二、多项选择题（每题2分，共20分）1.下列哪些是机器学习中的监督学习方法？A.线性回归B.决策树C.支持向量机D.聚类算法2.下列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.强化学习3.下列哪些是机器学习中的无监督学习方法？A.聚类算法B.主成分分析C.关联规则学习D.强化学习4.下列哪些是神经网络中的优化算法？A.梯度下降B.牛顿法C.拉格朗日乘子法D.Adam5.下列哪些是机器学习中的分类算法？A.决策树B.支持向量机C.KNND.线性回归6.下列哪些是机器学习中的聚类算法？A.K-meansB.聚类层次法C.密度聚类D.主成分分析7.下列哪些是神经网络中的损失函数？A.均方误差B.交叉熵C.累计分布函数D.最大似然估计8.下列哪些是机器学习中的特征选择方法？A.单变量特征选择B.基于模型的特征选择C.递归特征消除D.基于距离的特征选择9.下列哪些是神经网络中的激活函数？A.ReLUB.SigmoidC.SoftmaxD.Tanh10.下列哪些是机器学习中的正则化方法？A.L1正则化B.L2正则化C.DropoutD.BatchNormalization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，它可以让计算机从数据中学习并做出决策。（）2.线性回归是一种无监督学习方法，用于预测连续值输出。（）3.决策树是一种基于树的监督学习方法，用于分类和回归任务。（）4.支持向量机是一种基于间隔的监督学习方法，用于分类和回归任务。（）5.KNN是一种基于距离的监督学习方法，用于分类和回归任务。（）6.聚类算法是一种无监督学习方法，用于将数据分为若干个类别。（）7.神经网络是一种基于模拟人脑结构的机器学习模型。（）8.深度学习是神经网络的一种，具有多层非线性变换能力。（）9.优化算法用于调整神经网络中的参数，以最小化损失函数。（）10.强化学习是一种通过与环境交互来学习策略的机器学习方法。（）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.神经网络5.深度学习五、简答题（每题6分，共18分）1.简述决策树算法的基本原理。2.简述支持向量机算法的基本原理。3.简述KNN算法的基本原理。六、案例分析题（1题，共12分）某公司收集了1000个用户的购物数据，包括年龄、性别、收入、购物频率等特征，以及用户的购买意愿。请根据以下要求进行分析：1.利用K-means算法将用户分为两类，并解释这两类用户的特点。2.利用决策树算法对用户的购买意愿进行预测，并解释决策树中的关键节点。3.利用支持向量机算法对用户的购买意愿进行预测，并解释支持向量机中的关键参数。4.比较三种算法的优缺点，并给出推荐。答案：一、单项选择题1.B2.A3.D4.C5.D6.A7.A8.D9.A10.C11.A12.B13.A14.D15.A16.A17.D18.C19.C20.A二、多项选择题1.ABC2.ABC3.ABC4.ABD5.ABC6.ABC7.ABC8.ABC9.ABC10.ABCD三、判断题1.√2.×3.√4.√5.√6.√7.√8.√9.√10.√四、名词解释1.机器学习：机器学习是一种使计算机能够从数据中学习并做出决策的人工智能技术。2.监督学习：监督学习是