机器学习知识考试复习题库（附答案）

st机器学习知识考试复习题库（附答案）单选题1.如果一个模型的偏差很高，方差很低，这通常表示？A、过拟合B、欠拟合C、泛化能力强D、学习率高参考答案：B2.在循环神经网络（RNN）中，用于处理序列数据中长距离依赖问题的关键组件是？A、全连接层B、LSTM（长短期记忆网络）C、批归一化层D、Dropout层参考答案：B3.下列哪种算法主要基于实例，不显式地学习参数？A、逻辑回归B、支持向量机（SVM）C、K-近邻（KNN）D、线性回归参考答案：C4.什么是“早停法”？A、提前结束训练B、在验证集误差不再下降时停止训练C、选择最优参数D、删除无效数据参考答案：B5.生成式模型与判别式模型的主要区别在于？A、是否利用数据标签B、是否学习数据的概率分布C、是否进行特征提取D、是否进行分类参考答案：B6.堆叠集成（Stacking）中，第一层的模型被称为？A、基学习器B、元学习器C、主模型D、特征提取器参考答案：A7.神经网络中，ReLU激活函数的主要优点是？A、计算速度快，缓解梯度消失B、输出永远为正值C、模型复杂度最高D、确保梯度始终为正参考答案：A8.在强化学习中，智能体根据当前状态采取动作后获得的奖励信号，其目的是？A、避免惩罚B、指导下一步决策C、评价动作好坏D、停止训练参考答案：C9.深度学习中的反向传播算法，其核心是利用什么进行参数优化？A、梯度上升B、链式法则C、泰勒展开D、牛顿法参考答案：B10.随机森林算法是基于什么原理构建的？A、集成学习B、单个决策树C、线性回归D、聚类参考答案：A11.下列哪个指标最适合衡量分类模型在类别不平衡数据集上的性能？A、准确率B、精确率C、召回率D、F1-Score参考答案：D12.什么是“正则化”？A、增加模型的复杂度B、减少模型的复杂度，防止过拟合C、增加训练数据量D、提高学习率参考答案：B13.神经网络中，常用的权重初始化方法中，Xavier初始化通常配合什么激活函数？A、ReLUB、Sigmoid或TanhC、SoftmaxD、Linear参考答案：B14.主成分分析（PCA）的主要目的是？A、增加数据维度B、降维与特征提取C、去除噪声D、数据标准化参考答案：B15.下列关于“过欠拟合”的说法，哪种是正确的？A、模型复杂度越高，越好B、模型复杂度越低，越好C、模型复杂度应与数据复杂度相匹配D、越过拟合模型越好参考答案：C16.在推荐系统中，有一种算法通过学习用户和物品的隐向量来预测评分，这种方法是？A、协同过滤B、基于内容的过滤C、深度神经网络推荐D、矩阵分解参考答案：D17.神经网络中，反向传播算法的主要作用是？A、前向计算B、计算损失C、更新参数以减小损失D、初始化权重参考答案：C18.机器学习中，“训练集”、“验证集”、“测试集”的正确比例通常是？A、90:5:5B、80:10:10C、60:20:20D、50:40:10参考答案：C19.下列关于梯度下降法的说法，正确的是？A、它是全局最优算法B、它容易陷入局部最优解C、它需要遍历所有数据D、它的学习率不能调整参考答案：B20.在模型评估中，用于衡量模型在未见过的数据上表现能力的指标是？A、训练准确率B、验证集准确率C、测试集准确率D、预测准确率参考答案：C21.哪种优化器通常配合动量使用，能加速收敛？A、随机梯度下降（SGD）B、AdamC、BatchGradientDescentD、L-BFGS参考答案：B22.决策树中，分裂节点时最常用的信息度量标准是？A、欧氏距离B、基尼系数C、信息增益D、均方误差参考答案：C23.特征工程中的“独热编码”主要用于处理什么类型的数据？A、连续数值B、分类型数据C、时间序列D、文本数据参考答案：B24.聚类评估指标中，轮廓系数取值范围是？A、-1到1B、0到1C、-1到0D、0到10参考答案：B25.下列哪种图神经网络结构专门用于处理节点级分类任务？A、图卷积网络（GCN）B、图注意力网络（GAT）C、生成对抗网络（GAN）D、变分自编码器（VAE）参考答案：A26.在神经网络中，用于模拟神经元间信号传递的关键参数是？A、权重B、偏置C、激活函数D、学习率参考答案：A27.如果特征数据之间的量纲差异很大（如年龄20-90，薪资3000-50000），通常建议进行什么处理？A、不需要处理B、归一化C、增加数据D、删除特征参考答案：B28.什么是“偏差-方差权衡”？A、模型复杂度与计算资源的平衡B、模型偏差和方差的折衷C、训练集与测试集的平衡D、学习率与动量的平衡参考答案：B29.在特征工程中，标准化处理使得数据均值为0，标准差为1，其目的是？A、增加数据量B、改变数据分布C、缩放不同量纲的特征D、去除异常值参考答案：C30.K-Means聚类算法中，K的值通常通过什么方法确定？A、手动设定B、手肘法（ElbowMethod）C、均方根误差D、置信区间参考答案：B31.支持向量机（SVM）中的“核函数”主要解决什么问题？A、特征降维B、线性不可分问题的非线性映射C、缩放特征尺度D、处理缺失值参考答案：B32.支持向量机（SVM）中的“核函数”主要解决了什么问题？A、计算速度慢B、数据无法线性分离C、模型过拟合D、特征稀疏参考答案：B33.如果模型对训练集表现很好，但对测试集表现很差，这通常属于什么现象？A、欠拟合B、过拟合C、泛化能力好D、偏差小参考答案：B34.主成分分析（PCA）的主要目的是什么？A、降维B、增加特征C、缩放数据D、缺失值填充参考答案：A35.决策树模型中，用于选择最佳分裂特征的指标是？A、欧氏距离B、信息熵或基尼不纯度C、相关系数D、均方误差参考答案：B36.集成学习中，通过平均多个弱学习器的预测结果来提高准确率的方法是？A、BoostingB、BaggingC、StackingD、RandomForest参考答案：B37.在图像处理中，将彩色图像转换为灰度图像通常采用的简单方法是？A、最大值法B、加权平均法C、平均值法D、主成分分析法参考答案：B38.如果训练集与测试集的数据分布不一致，这通常被称为什么问题？A、过拟合B、欠拟合C、数据泄露D、数据分布不一致参考答案：D39.在时间序列预测中，通常用于消除数据中的趋势性影响的方法是？A、均值平滑B、差分法C、滚动平均D、加权平均参考答案：B40.什么是“验证集”？A、用于训练和调整参数的数据集B、用于最终测试模型的数据集C、用于验证模型假设的数据集D、用于随机生成的数据集参考答案：A41.在时间序列预测中，什么是“白噪声”？A、随机波动B、有规律的周期性波动C、确定性趋势D、上升趋势参考答案：A42.在支持向量机（SVM）中，旨在最大化分类间隔的超平面称为？A、支持向量B、决策边界C、原始空间D、核函数参考答案：B43.在K-近邻（KNN）算法中，参数$K$通常选择什么值？A、1B、10或100C、0D、题目特征数参考答案：B44.什么是“降维”？A、增加数据维度B、减少数据维度C、改变数据类型D、深度拷贝数据参考答案：B45.哪种优化器是随机梯度下降的变体，增加了动量项？A、RMSpropB、SGDwithMomentumC、AdagradD、AdaDelta参考答案：B46.以下哪种损失函数常用于二元分类问题，用于衡量预测概率与实际标签之间的差异？A、均方误差（MSE）B、均方根误差（RMSE）C、交叉熵损失（Cross-EntropyLoss）D、绝对误差（MAE）参考答案：C47.以下哪种算法适合处理大规模稀疏数据？A、K-MeansB、KNNC、朴素贝叶斯D、线性回归参考答案：C48.梯度下降法中，学习率过大可能导致什么问题？A、模型不收敛B、收敛过慢C、陷入局部最优解D、过拟合参考答案：A49.下列哪项是过拟合的典型表现？A、训练集准确率高，测试集准确率低B、训练集准确率高，测试集准确率高C、训练集准确率低，测试集准确率低D、训练集准确率低，测试集准确率高参考答案：A50.聚类算法中，K-Means算法的目标函数通常是什么？A、最小化类内方差B、最大化类内方差C、最小化所有点到原点的距离D、最小化欧氏距离参考答案：A51.在文档分类中，如果使用TF-IDF，TF代表什么？A、词频B、逆文档频率C、总频率D、词频-逆文档频率参考答案：A52.下列哪种属于监督学习？A、客户流失预测B、客户群体划分C、客户价值挖掘D、神经网络图像识别参考答案：D53.贝叶斯网络是基于什么原理构建的？A、概率图模型B、决策树C、线性回归D、神经网络参考答案：A54.在推荐系统中，协同过滤算法主要基于什么原理？A、用户对物品的评分B、物品的属性特征C、用户的社会关系D、物品的图像内容参考答案：A55.神经网络中，通常用于引入非线性因素，使网络能够拟合复杂关系的函数是？A、Sigmoid函数B、ReLU函数C、Softmax函数D、指数函数参考答案：B56.下列哪种优化器通过计算动量来加速收敛并跳出局部极小值？A、随机梯度下降（SGD）B、动量法C、RMSpropD、Adam参考答案：B57.下列哪种学习方法专门用于处理序列数据，且能记住输入序列的顺序信息？A、卷积神经网络（CNN）B、循环神经网络（RNN）C、长短期记忆网络（LSTM）D、全连接神经网络（MLP）参考答案：C58.在梯度下降中，Mini-batchSGD与BatchGradientDescent相比的主要优势是？A、实现最简单B、收敛速度最快C、利用并行计算且泛化性能更好D、内存占用最小参考答案：C59.机器学习中，用于预测连续数值变量的算法通常被称为？A、分类算法B、回归算法C、聚类算法D、降维算法参考答案：B60.在序列建模中，LSTM的门控机制主要作用是？A、忽略无关信息B、控制信息的流动和遗忘C、加速计算D、缩放数据参考答案：B61.下列哪种集成方法通过串行方式训练弱学习器，后一个模型基于前一个模型的修正？A、随机森林B、堆叠法C、AdaBoostD、Bagging参考答案：C62.支持向量机（SVM）的核心思想是寻找一个什么来最大化分类间隔？A、最小的超平面B、最大的超平面C、无限大的超平面D、旋转的平面参考答案：B63.下列哪种损失函数常用于逻辑回归的二分类问题？A、均方误差（MSE）B、交叉熵损失C、HingeLossD、平方损失参考答案：B64.交叉验证主要用于解决什么问题？A、过拟合评估B、防止过拟合C、评估模型稳健性D、特征选择参考答案：C65.在文本分类任务中，常见的特征提取方法是？A、TF-IDFB、PCAC、LDAD、t-SNE参考答案：A66.机器学习模型中，若目标变量$y$是连续值，通常使用的算法是？A、K-近邻（KNN）B、逻辑回归（LogisticRegression）C、线性回归（LinearRegression）D、决策树参考答案：C67.贝叶斯分类器中，贝叶斯公式P(A|B)=P(B|A)P(A)/P(B)的含义是？A、已知结果求原因的概率B、已知原因求结果的概率C、已知结果求结果的概率D、已知原因求原因的概率参考答案：A68.下列哪个算法可以自动发现数据中的潜在结构，无需预先指定类别数？A、K-MeansB、高斯混合模型（GMM）C、支持向量机（SVM）D、逻辑回归参考答案：B69.下列哪种度量指标关注分类器在正类样本上的召回率？A、精确率B、召回率C、特异性D、F1-Score参考答案：B70.在线性回归中，衡量预测值与真实值差异平方和的指标是？A、平均绝对误差（MAE）B、平均绝对百分比误差（MAPE）C、均方误差（MSE）D、R-Square参考答案：C71.下列哪项技术常用于处理缺失值？A、标准化B、填充均值/中位数C、主成分分析D、特征选择参考答案：B72.下列哪种正则化方法倾向于产生稀疏权重矩阵？A、L1正则化B、L2正则化C、DropoutD、BatchNormalization参考答案：A73.机器学习模型中，用来衡量模型在新数据上泛化能力的指标是？A、训练集准确率B、验证集准确率C、测试集准确率D、参数数量参考答案：C74.在图像处理中，卷积层的主要作用是？A、全局平均池化B、提取局部特征C、归一化处理D、扩张特征参考答案：B75.以下哪种参数控制XGBoost树的数量？A、learning_rateB、max_depthC、n_estimatorsD、min_child_weight参考答案：C76.在NLP中，BERT模型的主要架构特点是？A、循环结构B、编码器-解码器结构C、仅包含编码器D、仅包含解码器参考答案：C77.在自然语言处理（NLP）中，Word2Vec模型的主要思想是？A、语义相似度越大，向量夹角越小B、语义相似度越大，向量距离越大C、词向量维度越高越好D、需要人工标注参考答案：A78.在深度学习图像识别中，常用的数据增强手段不包括？A、随机旋转B、随机裁剪C、像素值归一化D、颜色抖动参考答案：C79.下列哪项技术不属于无监督学习？A、聚类B、降维C、回归D、密度估计参考答案：C80.在支持向量回归（SVR）中，$\epsilon$-不敏感损失函数的作用是？A、缩放输出范围B、忽略小于$\epsilon$的误差C、增加惩罚力度D、选择核函数参考答案：B81.在SVM中，核函数的作用是什么？A、将数据映射到高维空间B、缩放数据C、计算距离D、激活函数参考答案：A多选题1.下列关于监督学习算法的描述，哪些是正确的？A、训练数据包含特征和对应的标签B、模型通过学习输入输出之间的映射关系进行预测C、在训练过程中需要使用标注数据D、旨在从无标签数据中发现潜在的结构参考答案：ABC2.在决策树中，用于分裂节点的标准主要包括？A、信息增益B、信息增益率C、基尼系数D、均方误差参考答案：ABCD3.增强模型的泛化能力通常可以采取哪些措施？A、增加训练数据量B、使用正则化C、简化模型复杂度（如减少层数）D、调整超参数参考答案：ABCD4.下列哪些场景适合使用时间序列分析？A、预测股票价格B、分析电网负荷C、图像识别D、销售额预测参考答案：ABD5.下列哪些属于迁移学习应用场景？A、在小数据集上预训练模型B、在相似领域微调模型C、使用大模型进行零样本预测D、初始化所有参数参考答案：ABC6.下列关于朴素贝叶斯分类器的假设中，哪些是正确的？A、特征之间相互独立B、特征之间相互依赖C、类先验概率服从多项式分布D、条件概率基于统计频率参考答案：ACD7.在随机森林中，树与树之间是？A、相互独立的B、相关的C、串行训练的D、并行训练的参考答案：AD8.在神经网络的反向传播算法中，计算梯度的过程包括哪些步骤？A、前向传播计算预测值B、计算损失函数对输出的导数C、利用链式法则反向传播误差D、更新网络参数参考答案：ABC9.下列哪些是强化学习环境的关键要素？A、智能体(Agent)B、环境(Environment)C、奖励函数(Reward)D、测试集参考答案：ABC10.在XGBoost算法中，用于控制模型复杂度的参数是？A、树的数量(n_estimators)B、学习率(learning_rate)C、最大深度(max_depth)D、正则化系数(lambda/alpha)参考答案：CD11.下列哪些技术属于深度学习中的正则化方法？A、DropoutB、BatchNormalizationC、L1/L2正则化D、数据增强参考答案：ACD12.集成学习方法中，Bagging算法的特点包括？A、构建多个独立的弱分类器B、各分类器的训练数据有重叠C、使用自助采样法（Bootstrap）生成数据集D、采用并行训练方式参考答案：ACD13.在机器学习模型部署阶段，模型压缩技术通常包括？A、量化B、剪枝C、知识蒸馏D、Dropout参考答案：ABC14.神经网络中，激活函数的作用包括？A、引入非线性因素B、增加模型复杂度C、解决梯度消失问题D、限制输出范围参考答案：ABD15.K-均值聚类的算法步骤包括？A、初始化K个聚类中心B、将每个样本分配到最近的聚类中心C、重新计算每个聚类的中心D、当中心不再变化时停止参考答案：ABCD16.下列哪些技术可以用于处理类别不平衡问题？A、过采样（如SMOTE）B、欠采样C、阈值移动D、引入正则化项参考答案：ABC17.下列属于机器学习典型应用场景的是？A、垃圾邮件分类B、手写数字识别C、婴儿预测D、自动驾驶汽车路径规划参考答案：ABCD18.什么是机器学习中的“早停法”（EarlyStopping）？A、在训练过程中提前停止模型训练B、也就是提前停止吃饭C、当验证集误差开始上升时停止训练D、在训练开始前设置最大训练轮数参考答案：ACD19.集成学习主要分为哪几类？A、Bagging（bootstrapaggregating）B、BoostingC、StackingD、决策树剪枝参考答案：ABC20.在处理类别不平衡问题时，常用的策略包括？A、过采样B、欠采样C、类别权重调整D、增加噪声数据参考答案：ABC21.自然语言处理（NLP）中，Word2Vec模型主要包含哪些变体？A、CBOWB、Skip-gramC、GloVeD、Transformer参考答案：AB22.在线性回归模型中，残差平方和（RSS）的作用是？A、衡量预测值与真实值的差异B、作为损失函数进行优化C、计算决定系数R^2D、计算学习率参考答案：ABC23.在逻辑回归中，sigmoid函数的作用是什么？A、将线性回归的输出映射到(0,1)区间B、将输出映射到(-∞,+∞)C、作为决策边界，将样本分类D、将概率值转化为类别标签参考答案：AC24.下列哪些是监督学习算法？A、逻辑回归B、K-近邻算法C、朴素贝叶斯D、K-均值聚类参考答案：ABC25.下列哪些是生成模型的特点？A、B正确。许多生成模型是无监督的（如VAE,GAN），C正确。并不是所有生成模型都包含显式的隐变量（如混合高斯模型本身没有隐变量，但生成假设里有）。B、可以用于生成新的样本C、训练数据通常不需要标签D、必须包含隐变量参考答案：ABC26.下列哪些指标适用于多分类问题？A、准确率B、F1-ScoreC、ROC-AUCD、混淆矩阵参考答案：ABCD27.下列关于模型部署的描述，正确的是？A、部署前通常需要进行模型压缩B、需要考虑在线服务的并发处理能力C、需要监控模型的预测性能和漂移D、模型部署后不需要更新，直接上线参考答案：ABC28.在时间序列预测中，ARIMA模型通常包含哪些部分？A、自回归项(AR)B、移动平均项(MA)C、差分运算(I)D、梯度下降优化参考答案：ABC29.关于超参数调优，以下说法正确的是？A、需要在训练集上进行验证B、学习率属于超参数C、使用K折交叉验证可以减少过拟合风险D、随机搜索通常比网格搜索更高效参考答案：ABCD30.强化学习中的“探索”策略主要包括？A、随机选择动作B、基于贪心策略选择动作C、ε-greedy策略D、计算最大Q值参考答案：ABC31.下列哪些属于模型解释性方法？A、特征重要性B、SHAP值C、代理模型D、Dropout参考答案：ABC32.决策树中，划分节点时常用的评估指标有哪些？A、信息增益B、信息增益率C、基尼系数D、均方误差（MSE）参考答案：ABC33.贝叶斯网络的主要组件包括？A、随机变量B、条件概率表(CPT)C、有向无环图(DAG)D、神经网络权重参考答案：ABC34.下列关于“过拟合”现象的描述，哪些是正确的？A、模型在训练集上表现很好B、模型在测试集上表现很差C、模型学习了数据的噪音D、模型具有很好的泛化能力参考答案：ABC35.在深度学习中，如何防止梯度爆炸？A、梯度裁剪B、使用BatchNormalizationC、使用ReLU等激活函数D、初始化合适的权重参考答案：ABCD36.支持向量机（SVM）中的“支持向量”指的是什么？A、决定超平面位置的所有数据点B、位于分类边界上的数据点C、距离超平面最近的样本点D、位于超平面内部的数据点参考答案：BC37.下列关于超参数调优的描述，哪些是正确的？A、超参数在训练过程中是无法通过训练数据优化的B、GridSearch是一种穷举搜索方法C、随机搜索通常比网格搜索更高效D、贝叶斯优化只能用于分类问题参考答案：ABC38.深度学习训练中，常用BatchNormalization的目的是？A、加速收敛B、提高模型精度C、减少内部协变量偏移D、替代激活函数参考答案：ABC39.下列哪些指标适用于衡量二分类模型的性能？（多选，至少选一个）A、精确率B、召回率C、F1分数D、均方误差参考答案：ABC40.下列哪些指标对异常检测有效？A、精确率B、召回率C、零一误差D、F1-Score参考答案：BCD41.在图神经网络（GNN）中，常用的消息传递算法包括？A、GraphConvolutionalNetwork(GCN)B、GraphAttentionNetwork(GAT)C、LSTMD、Word2Vec参考答案：AB42.下列哪些属于典型的机器学习模型评估指标？A、准确率B、精确率C、召回率D、均方误差参考答案：ABCD43.下列哪些是自然语言处理（NLP）中的常用技术？A、词嵌入（如Word2Vec）B、序列标注（如命名实体识别）C、图神经网络D、阈值分割参考答案：ABC44.LSTM（长短期记忆网络）的主要改进是什么？A、引入了门控机制（输入门、遗忘门、输出门）B、解决了长序列训练中的梯度消失问题C、取消了隐藏状态D、增加了循环连接参考答案：ABD45.关于深度学习中的梯度下降优化器，下列说法正确的是？A、随机梯度下降（SGD）更新步长较大B、动量法可以加速收敛并减少震荡C、Adam优化器同时记录一阶和二阶矩D、Adagrad具有自适应学习率特性参考答案：ABCD46.下列哪些属于无监督学习的降维算法？A、PCAB、KNNC、LDAD、t-SNE参考答案：ACD47.下列关于梯度下降法的描述，哪些是正确的？A、通过迭代计算梯度来更新参数B、学习率决定了参数更新的步长大小C、可以用于最小化损失函数D、是一种贪心算法参考答案：ABCD48.下列属于降维技术的是？A、主成分分析（PCA）B、线性判别分析（LDA）C、t-SNED、局部保持投影（LPP）参考答案：ABCD49.下列哪些操作属于降维技术？A、降维B、降维C、降维D、降维参考答案：ABCD50.下列哪些属于无监督聚类算法？A、K-MeansB、层次聚类C、DBSCAND、逻辑回归参考答案：ABC51.在回归问题中，下列哪些指标衡量预测值的离散程度？A、均方误差(MSE)B、平均绝对误差(MAE)C、R-squared(R²)D、标准差参考答案：BCD52.下列哪些属于无监督学习算法？A、聚类B、降维C、主成分分析(PCA)D、K近邻(KNN)参考答案：ABC53.下列关于偏差-方差权衡的描述，正确的是？A、模型欠拟合通常表现为高偏差、低方差B、模型过拟合通常表现为高方差、低偏差C、复杂度更高的模型通常具有更高的方差D、增加训练数据可以同时降低偏差和方差参考答案：ABC54.下列关于特征工程的描述，正确的是？A、特征选择可以减少模型复杂度B、特征缩放对基于距离的算法很重要C、特征构造可以衍生出更有意义的信息D、特征提取通常指降维操作参考答案：ABCD55.下列关于朴素贝叶斯分类器的假设，哪些是成立的？A、特征之间相互独立B、每个特征对分类结果的重要性相同C、似然函数服从高斯分布D、类条件概率独立于先验概率参考答案：ABC56.卷积神经网络（CNN）中的卷积层主要起到什么作用？A、提取图像的局部特征B、平移不变性C、全连接层的作用D、池化层的作用参考答案：AB57.下列哪些是集成学习中Boosting算法的共同特点？A、各个弱学习器是串行训练的B、后面的模型关注前面模型预测错误的样本C、采用加权平均的方式结合模型D、训练数据集之间有重叠参考答案：ABC58.下列哪些特征工程操作可以处理缺失值？A、删除缺失值B、填充均值/中位数C、使用模型预测填充D、归一化参考答案：ABC59.在Transformer模型中，Self-Attention机制的作用是？A、捕捉序列中任意位置之间的依赖关系B、增加模型参数量C、替代循环结构D、引入位置编码参考答案：AC判断题1.贝叶斯分类器假设特征之间存在条件独立性。A、正确B、错误参考答案：A2.在逻辑回归中，逻辑函数（Sigmoid函数）的输出范围是(-1,1)。A、正确B、错误参考答案：B3.在支持向量机中，核函数将原始数据映射到高维空间，使得线性可分。A、正确B、错误参考答案：A4.线性回归模型的假设前提之一是残差（误差项）服从正态分布。A、正确B、错误参考答案：A5.在聚类算法中，K-Means算法需要预先指定聚类的数量K。A、正确B、错误参考答案：A6.监督学习中的训练数据必须包含输入变量和正确的输出标签，且两者必须严格对应。A、正确B、错误参考答案：A7.逻辑回归主要应用于连续数值的预测，如预测明天的气温。A、正确B、错误参考答案：B8.PCA通过线性变换将原始数据转换到新的坐标系中，使得第一主成分的方差最大。A、正确B、错误参考答案：A9.K-折交叉验证中，K通常取10，以平衡计算开销和评估的稳定性。A、正确B、错误参考答案：A10.在模型评估指标中，准确率对于类别不平衡的数据集可能具有欺骗性。A、正确B、错误参考答案：A11.在时间序列预测中，自回归（AR）模型仅利用过去值进行预测，不包含其他变量。A、正确B、错误参考答案：A12.K近邻（KNN）算法在预测时，通常采用简单的多数投票法来确定分类结果。A、正确B、错误参考答案：A13.卷积神经网络（CNN）的池化层的主要作用是增加模型参数量，以提高拟合能力。A、正确B、错误参考答案：B14.过拟合时，训练集的损失函数值通常会显著低于测试集的损失函数值。A、正确B、错误参考答案：A15.交叉验证通常采用留出法，即一次性将数据划分为训练集和测试集。A、正确B、错误参考答案：B16.停止条件（EarlyStopping）是防止神经网络发生过拟合的有效手段。A、正确B、错误参考答案：A17.深度学习中，使用ReLU激活函数可能会引发神经元死亡（即神经元输出恒为0）的问题。A、正确B、错误参考答案：A18.支持向量机（SVM）试图找到一个超平面，使得不同类别的样本间隔最大化。A、正确B、错误参考答案：A19.缺失值处理中，使用均值填充最稳健，不会受离群点的影响。A、正确B、错误参考答案：B20.集成学习中的“Bagging”方法旨在通过改变训练数据的采样方式来降低模型的方差。A、正确B、错误参考答案：A21.朴素贝叶斯分类器之所以被称为“朴素”，是因为它假设特征之间是相互独立的。A、正确B、错误参考答案：A22.AdaBoost算法在训练过程中，会增加那些被前一轮弱分类器分类错误的样本的权重。A、正确B、错误参考答案：A23.贝叶斯网络的节点之间如果存在直接连线，表示两者是相互独立的。A、正确B、错误参考答案：B24.机器学习算法的核心在于从数据中自动提取特征并进行建模，而非单纯依靠人工定义的规则。A、正确B、错误参考答案：A25.Dropout技术通过随机丢弃部分神经元来模拟训练多个不同的子模型，从而防止过拟合。A、正确B、错误参考答案：A26.深度神经网络虽然层数很多，但在训练初期，前几层的参数更新幅度通常比深层参数的更新幅度大。A、正确B、错误参考答案：A27.支持向量机（SVM）中的软间隔允许部分样本被错误分类，其目的是为了提高模型的泛化能力。A、正确B、错误参考答案：A28.过拟合是指模型在训练集上表现很好，但在测试集或新数据上表现很差。A、正确B、错误参考答案：A29.使用L1正则化（Lasso回归）进行特征选择时，部分特征的权重会