三明学院《机器学习：模型与算法》2025-2026学年第一学期期末试卷(B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页三明学院《机器学习：模型与算法》2025-2026学年第一学期期末试卷(B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.以下哪项不是监督学习中的分类算法？A.决策树B.支持向量机C.聚类算法D.神经网络2.在K-近邻算法中，K值的选择对算法性能的影响是？A.K值越大，算法性能越好B.K值越小，算法性能越好C.K值越大，算法越稳定D.K值越小，算法越稳定3.以下哪项不是深度学习中的网络结构？A.卷积神经网络B.循环神经网络C.支持向量机D.线性回归4.在朴素贝叶斯分类器中，假设条件独立性假设成立，那么以下哪个公式是计算后验概率的？A.P(A|B)=P(B|A)*P(A)/P(B)B.P(A|B)=P(B|A)*P(A)C.P(A|B)=P(B|A)/P(A)D.P(A|B)=P(B|A)*P(A)+P(B)5.以下哪项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6.以下哪项不是机器学习中的正则化方法？A.L1正则化B.L2正则化C.决策树剪枝D.神经网络层数增加7.以下哪项不是强化学习中的策略梯度方法？A.Q学习B.SarsaC.PolicyGradientD.深度Q网络8.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.数据增强D.数据可视化9.以下哪项不是机器学习中的集成学习方法？A.随机森林B.AdaBoostC.XGBoostD.决策树10.以下哪项不是机器学习中的聚类算法？A.K-均值B.聚类层次C.主成分分析D.聚类层次11.以下哪项不是机器学习中的降维方法？A.主成分分析B.聚类层次C.线性回归D.决策树12.以下哪项不是机器学习中的异常检测方法？A.基于统计的方法B.基于距离的方法C.基于密度的方法D.基于聚类的方法13.以下哪项不是机器学习中的时间序列分析方法？A.ARIMAB.LSTMC.支持向量机D.决策树14.以下哪项不是机器学习中的关联规则学习方法？A.Apriori算法B.FP-growth算法C.决策树D.线性回归15.以下哪项不是机器学习中的文本分析方法？A.词袋模型B.TF-IDFC.决策树D.线性回归16.以下哪项不是机器学习中的图像分析方法？A.卷积神经网络B.支持向量机C.决策树D.线性回归17.以下哪项不是机器学习中的语音识别方法？A.基于声学模型的方法B.基于语言模型的方法C.决策树D.线性回归18.以下哪项不是机器学习中的自然语言处理方法？A.词嵌入B.递归神经网络C.决策树D.线性回归19.以下哪项不是机器学习中的推荐系统方法？A.协同过滤B.内容推荐C.决策树D.线性回归20.以下哪项不是机器学习中的生物信息学方法？A.蛋白质结构预测B.基因组序列分析C.决策树D.线性回归二、多项选择题（每题2分，共20分）1.以下哪些是机器学习中的监督学习方法？A.决策树B.支持向量机C.聚类算法D.神经网络2.以下哪些是机器学习中的无监督学习方法？A.K-均值B.聚类层次C.主成分分析D.决策树3.以下哪些是机器学习中的特征选择方法？A.单变量特征选择B.多变量特征选择C.特征提取D.特征选择4.以下哪些是机器学习中的模型评估方法？A.精确率B.召回率C.F1值D.AUC值5.以下哪些是机器学习中的集成学习方法？A.随机森林B.AdaBoostC.XGBoostD.决策树6.以下哪些是机器学习中的聚类算法？A.K-均值B.聚类层次C.主成分分析D.决策树7.以下哪些是机器学习中的降维方法？A.主成分分析B.聚类层次C.线性回归D.决策树8.以下哪些是机器学习中的异常检测方法？A.基于统计的方法B.基于距离的方法C.基于密度的方法D.基于聚类的方法9.以下哪些是机器学习中的时间序列分析方法？A.ARIMAB.LSTMC.支持向量机D.决策树10.以下哪些是机器学习中的关联规则学习方法？A.Apriori算法B.FP-growth算法C.决策树D.线性回归三、判断题（每题1分，共10分）1.机器学习中的监督学习算法需要标签数据。（）2.机器学习中的无监督学习算法不需要标签数据。（）3.机器学习中的特征选择方法可以提高模型的性能。（）4.机器学习中的模型评估方法可以衡量模型的泛化能力。（）5.机器学习中的集成学习方法可以提高模型的稳定性和泛化能力。（）6.机器学习中的聚类算法可以将数据划分为不同的类别。（）7.机器学习中的降维方法可以减少数据的维度。（）8.机器学习中的异常检测方法可以识别数据中的异常值。（）9.机器学习中的时间序列分析方法可以预测未来的趋势。（）10.机器学习中的关联规则学习方法可以挖掘数据中的关联关系。（）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.特征选择5.模型评估五、简答题（每题6分，共18分）1.简述机器学习中的监督学习、无监督学习和半监督学习的区别。2.简述机器学习中的特征选择方法及其作用。3.简述机器学习中的模型评