广东理工学院《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页广东理工学院《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.下列哪项不是监督学习中的分类算法？A.决策树B.支持向量机C.K最近邻D.神经网络2.在机器学习中，以下哪个指标通常用于评估分类模型的性能？A.精确度B.召回率C.F1分数D.以上都是3.下列哪项不是无监督学习中的聚类算法？A.K-meansB.聚类层次C.主成分分析D.线性回归4.下列哪项不是特征选择的方法？A.单变量特征选择B.基于模型的特征选择C.特征提取D.特征组合5.下列哪项不是深度学习中的神经网络层？A.输入层B.隐藏层C.输出层D.以上都是6.下列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，但在测试集上表现不佳B.模型在训练集上表现不佳，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不佳7.下列哪项不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8.下列哪项不是深度学习中的优化算法？A.梯度下降B.AdamC.随机梯度下降D.以上都是9.下列哪项不是特征提取的方法？A.主成分分析B.降维C.特征选择D.特征组合10.下列哪项不是机器学习中的评估指标？A.精确度B.召回率C.F1分数D.以上都是11.下列哪项不是深度学习中的神经网络层？A.输入层B.隐藏层C.输出层D.以上都是12.下列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，但在测试集上表现不佳B.模型在训练集上表现不佳，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不佳13.下列哪项不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14.下列哪项不是深度学习中的优化算法？A.梯度下降B.AdamC.随机梯度下降D.以上都是15.下列哪项不是特征提取的方法？A.主成分分析B.降维C.特征选择D.特征组合16.下列哪项不是机器学习中的评估指标？A.精确度B.召回率C.F1分数D.以上都是17.下列哪项不是深度学习中的神经网络层？A.输入层B.隐藏层C.输出层D.以上都是18.下列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，但在测试集上表现不佳B.模型在训练集上表现不佳，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不佳19.下列哪项不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20.下列哪项不是深度学习中的优化算法？A.梯度下降B.AdamC.随机梯度下降D.以上都是二、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.K最近邻D.线性回归2.以下哪些是无监督学习中的聚类算法？A.K-meansB.聚类层次C.主成分分析D.线性回归3.以下哪些是特征选择的方法？A.单变量特征选择B.基于模型的特征选择C.特征提取D.特征组合4.以下哪些是深度学习中的神经网络层？A.输入层B.隐藏层C.输出层D.以上都是5.以下哪些是机器学习中的过拟合现象？A.模型在训练集上表现良好，但在测试集上表现不佳B.模型在训练集上表现不佳，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不佳6.以下哪些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7.以下哪些是深度学习中的优化算法？A.梯度下降B.AdamC.随机梯度下降D.以上都是8.以下哪些是特征提取的方法？A.主成分分析B.降维C.特征选择D.特征组合9.以下哪些是机器学习中的评估指标？A.精确度B.召回率C.F1分数D.以上都是10.以下哪些是深度学习中的神经网络层？A.输入层B.隐藏层C.输出层D.以上都是三、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输入输出数据对模型进行训练的过程。（）2.无监督学习中的聚类算法可以将数据集划分为多个类别。（）3.特征提取是指从原始数据中提取出有用的特征的过程。（）4.深度学习中的神经网络层包括输入层、隐藏层和输出层。（）5.机器学习中的过拟合现象是指模型在训练集上表现良好，但在测试集上表现不佳。（）6.支持向量机中的核函数可以将数据映射到高维空间。（）7.梯度下降是一种常用的优化算法，用于训练深度学习模型。（）8.特征选择是指从原始数据中筛选出最重要的特征的过程。（）9.机器学习中的评估指标包括精确度、召回率和F1分数。（）10.深度学习中的神经网络层可以自动学习数据中的特征。（）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.特征提取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.简述监督学习与无监督学习的区别。3.简述特征选择的方法。六、案例分析题（1题，满分