佳木斯大学《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页佳木斯大学《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.下列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.主成分分析D.K最近邻2.在线性回归中，当数据量较大时，以下哪种方法可以减少过拟合？A.增加数据B.减少数据C.增加特征D.减少特征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.聚类层次法4.下列哪项不是深度学习中常用的损失函数？A.交叉熵B.均方误差C.稀疏损失D.热力图损失5.下列哪项不是神经网络中的激活函数？A.ReLUB.SigmoidC.SoftmaxD.线性函数6.下列哪项不是强化学习中的策略学习？A.值函数方法B.策略梯度方法C.决策树D.神经网络7.下列哪项不是机器学习中的评估指标？A.准确率B.精确率C.召回率D.F1分数8.下列哪项不是深度学习中常用的优化算法？A.梯度下降B.AdamC.随机梯度下降D.牛顿法9.下列哪项不是机器学习中的特征选择方法？A.相关性分析B.主成分分析C.决策树D.线性回归10.下列哪项不是机器学习中的模型评估方法？A.交叉验证B.交叉熵C.均方误差D.热力图损失11.下列哪项不是机器学习中的数据预处理方法？A.数据标准化B.数据归一化C.数据填充D.数据清洗12.下列哪项不是机器学习中的异常值处理方法？A.删除异常值B.替换异常值C.聚类异常值D.线性回归13.下列哪项不是机器学习中的过拟合问题？A.模型复杂度过高B.数据量过小C.特征选择不当D.模型训练不足14.下列哪项不是机器学习中的欠拟合问题？A.模型复杂度过低B.数据量过大C.特征选择过多D.模型训练过多15.下列哪项不是机器学习中的模型选择方法？A.交叉验证B.留一法C.留k法D.留m法16.下列哪项不是机器学习中的模型融合方法？A.集成学习B.随机森林C.决策树D.线性回归17.下列哪项不是机器学习中的模型解释方法？A.深度学习B.线性回归C.决策树D.随机森林18.下列哪项不是机器学习中的模型可视化方法？A.热力图B.决策树C.线性回归D.神经网络19.下列哪项不是机器学习中的模型优化方法？A.梯度下降B.AdamC.随机梯度下降D.牛顿法20.下列哪项不是机器学习中的模型部署方法？A.模型压缩B.模型解释C.模型评估D.模型训练二、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.支持向量机C.主成分分析D.K最近邻2.以下哪些是线性回归中的正则化方法？A.L1正则化B.L2正则化C.L1-L2正则化D.无正则化3.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.聚类层次法4.以下哪些是深度学习中常用的损失函数？A.交叉熵B.均方误差C.稀疏损失D.热力图损失5.以下哪些是神经网络中的激活函数？A.ReLUB.SigmoidC.SoftmaxD.线性函数6.以下哪些是强化学习中的策略学习？A.值函数方法B.策略梯度方法C.决策树D.神经网络7.以下哪些是机器学习中的评估指标？A.准确率B.精确率C.召回率D.F1分数8.以下哪些是深度学习中常用的优化算法？A.梯度下降B.AdamC.随机梯度下降D.牛顿法9.以下哪些是机器学习中的特征选择方法？A.相关性分析B.主成分分析C.决策树D.线性回归10.以下哪些是机器学习中的模型评估方法？A.交叉验证B.交叉熵C.均方误差D.热力图损失三、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已知的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.机器学习中的无监督学习是指通过未知的数据来训练模型，使其能够发现数据中的模式。（√）3.机器学习中的强化学习是指通过与环境交互来学习最优策略。（√）4.机器学习中的深度学习是指使用多层神经网络进行特征提取和分类。（√）5.机器学习中的特征选择是指从原始数据中选择对模型性能有重要影响的特征。（√）6.机器学习中的模型评估是指使用测试数据来评估模型的性能。（√）7.机器学习中的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。（√）8.机器学习中的欠拟合是指模型在训练数据上表现不佳，但在测试数据上表现良好。（√）9.机器学习中的集成学习是指将多个模型组合起来，以提高模型的性能。（√）10.机器学习中的模型解释是指解释模型的决策过程和预测结果。（√）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.强化学习5.深度学习五、简答题（每题6分，共18分）1.简述机器学习的应用领域。2.简述监督学习、无监督学习和强化学习之间的区别。3.简述深度学习的基本原理。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算法对用户进行个性化推荐。已知用户购买历史数据如下：|用户ID|商品ID|购买时间||||||1|1001|2021-01-01||1|1002|2021-01-02||1|1003|2021-01-03||2|1004|2021-01-01||2|1005|2021-01-0