宿迁幼儿师范高等专科学校《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页宿迁幼儿师范高等专科学校《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.在机器学习中，以下哪个算法属于集成学习方法？A.决策树B.K最近邻C.支持向量机D.随机森林3.以下哪个不是特征选择的方法？A.相关性分析B.主成分分析C.递归特征消除D.特征重要性4.以下哪个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5.在机器学习中，以下哪个不是评估模型性能的指标？A.准确率B.精确率C.召回率D.F1分数6.以下哪个不是机器学习中的过拟合现象？A.模型在训练集上表现良好，但在测试集上表现差B.模型在训练集上表现差，但在测试集上表现良好C.模型在训练集和测试集上都表现良好D.模型在训练集和测试集上都表现差7.以下哪个不是机器学习中的正则化方法？A.L1正则化B.L2正则化C.DropoutD.随机梯度下降8.在机器学习中，以下哪个不是特征提取的方法？A.特征选择B.特征提取C.特征变换D.特征降维9.以下哪个不是机器学习中的分类算法？A.决策树B.K最近邻C.支持向量机D.线性回归10.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.密度聚类D.线性回归11.以下哪个不是机器学习中的回归算法？A.线性回归B.决策树C.K最近邻D.支持向量机12.在机器学习中，以下哪个不是降维方法？A.主成分分析B.特征选择C.特征提取D.特征变换13.以下哪个不是机器学习中的监督学习算法？A.决策树B.K最近邻C.支持向量机D.无监督学习14.在机器学习中，以下哪个不是无监督学习算法？A.K均值B.层次聚类C.密度聚类D.线性回归15.以下哪个不是机器学习中的强化学习算法？A.Q学习B.策略梯度C.深度Q网络D.线性回归16.在机器学习中，以下哪个不是特征工程的方法？A.特征选择B.特征提取C.特征变换D.特征降维17.以下哪个不是机器学习中的集成学习方法？A.决策树B.K最近邻C.支持向量机D.随机森林18.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.主成分分析C.递归特征消除D.特征重要性19.以下哪个不是机器学习中的正则化方法？A.L1正则化B.L2正则化C.DropoutD.随机梯度下降20.在机器学习中，以下哪个不是特征提取的方法？A.特征选择B.特征提取C.特征变换D.特征降维二、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.以下哪些算法属于集成学习方法？A.决策树B.K最近邻C.支持向量机D.随机森林3.以下哪些不是特征选择的方法？A.相关性分析B.主成分分析C.递归特征消除D.特征重要性4.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5.以下哪些不是评估模型性能的指标？A.准确率B.精确率C.召回率D.F1分数6.以下哪些不是机器学习中的过拟合现象？A.模型在训练集上表现良好，但在测试集上表现差B.模型在训练集上表现差，但在测试集上表现良好C.模型在训练集和测试集上都表现良好D.模型在训练集和测试集上都表现差7.以下哪些不是机器学习中的正则化方法？A.L1正则化B.L2正则化C.DropoutD.随机梯度下降8.以下哪些不是机器学习中的特征选择的方法？A.相关性分析B.主成分分析C.递归特征消除D.特征重要性9.以下哪些不是机器学习中的分类算法？A.决策树B.K最近邻C.支持向量机D.线性回归10.以下哪些不是机器学习中的聚类算法？A.K均值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.机器学习是一种通过算法让计算机从数据中学习并做出决策的技术。（）2.监督学习是一种通过已知标签的数据来训练模型的方法。（）3.无监督学习是一种通过未知标签的数据来训练模型的方法。（）4.深度学习是一种通过多层神经网络来学习数据表示的方法。（）5.机器学习中的过拟合是指模型在训练集上表现良好，但在测试集上表现差。（）6.机器学习中的正则化方法可以防止过拟合。（）7.特征选择是指从原始特征中选择出最有用的特征。（）8.特征提取是指从原始数据中提取出新的特征。（）9.机器学习中的集成学习方法可以提高模型的泛化能力。（）10.机器学习中的强化学习是一种通过奖励和惩罚来训练模型的方法。（）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.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.简述监督学习和无监督学习的区别。3.简述深度学习的常见网络结构及其应用。