广东理工学院《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页广东理工学院《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.在决策树中，用于选择最优分割的准则是什么？A.信息增益B.基尼指数C.卡方检验D.距离度量3.以下哪项不是支持向量机的核心思想？A.最大间隔分类器B.线性可分C.线性不可分D.高维空间4.在K-近邻算法中，k的取值对分类结果的影响是什么？A.k越大，分类结果越稳定B.k越小，分类结果越稳定C.k的取值对分类结果没有影响D.k的取值对分类结果有影响，但具体影响无法确定5.以下哪项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.自编码器D.决策树6.在贝叶斯网络中，节点之间的连接表示什么？A.因果关系B.依赖关系C.相似关系D.独立关系7.以下哪项不是神经网络训练中常用的优化算法？A.梯度下降法B.随机梯度下降法C.牛顿法D.拉格朗日乘数法8.在朴素贝叶斯分类器中，假设特征之间相互独立，那么这种假设称为什么？A.线性假设B.独立假设C.多元正态分布假设D.多项式分布假设9.以下哪项不是机器学习中的过拟合现象？A.模型对训练数据拟合得很好，但对测试数据拟合得不好B.模型对训练数据拟合得不好，但对测试数据拟合得很好C.模型对训练数据和测试数据都拟合得很好D.模型对训练数据和测试数据都拟合得不好10.在聚类分析中，以下哪项不是常用的距离度量方法？A.欧几里得距离B.曼哈顿距离C.余弦相似度D.杰卡德相似度11.以下哪项不是强化学习中的核心概念？A.状态B.动作C.奖励D.算法12.在支持向量机中，核函数的作用是什么？A.将低维数据映射到高维空间B.将高维数据映射到低维空间C.保持数据之间的距离不变D.将数据分为不同的类别13.以下哪项不是深度学习中常用的激活函数？A.Sigmoid函数B.ReLU函数C.Tanh函数D.决策树14.在贝叶斯网络中，以下哪项不是条件概率表？A.状态转移概率表B.输入概率表C.输出概率表D.概率分布表15.以下哪项不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.基于模型的特征选择D.基于实例的特征选择16.在决策树中，以下哪项不是剪枝方法？A.预剪枝B.后剪枝C.随机剪枝D.精简剪枝17.以下哪项不是神经网络训练中的正则化方法？A.L1正则化B.L2正则化C.Dropout正则化D.数据增强正则化18.在朴素贝叶斯分类器中，以下哪项不是计算条件概率的方法？A.频率方法B.贝叶斯公式C.贝叶斯定理D.概率分布19.在聚类分析中，以下哪项不是常用的聚类算法？A.K-均值算法B.K-中心点算法C.聚类层次算法D.决策树20.在强化学习中，以下哪项不是评估策略的方法？A.奖励函数B.状态-动作值函数C.策略梯度D.动作值函数二、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.线性回归B.决策树C.支持向量机D.朴素贝叶斯分类器2.以下哪些是机器学习中的无监督学习方法？A.K-均值聚类B.主成分分析C.聚类层次算法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.基于模型的特征选择D.基于实例的特征选择4.以下哪些是机器学习中的正则化方法？A.L1正则化B.L2正则化C.Dropout正则化D.数据增强正则化5.以下哪些是机器学习中的聚类算法？A.K-均值聚类B.K-中心点算法C.聚类层次算法D.决策树6.以下哪些是机器学习中的强化学习方法？A.Q学习B.SarsaC.DeepQNetworkD.决策树7.以下哪些是机器学习中的特征提取方法？A.主成分分析B.降维C.特征选择D.特征提取8.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9.以下哪些是机器学习中的模型优化方法？A.梯度下降法B.随机梯度下降法C.牛顿法D.拉格朗日乘数法10.以下哪些是机器学习中的模型评估方法？A.留一法B.K折交叉验证C.留出法D.决策树三、判断题（每题1分，共10分）1.机器学习是一种使计算机能够从数据中学习并做出决策的技术。（）2.决策树是一种基于树形结构的机器学习算法。（）3.支持向量机是一种无监督学习算法。（）4.朴素贝叶斯分类器是一种基于贝叶斯定理的机器学习算法。（）5.深度学习是一种模拟人脑神经网络结构的机器学习算法。（）6.聚类分析是一种将数据分为不同类别的机器学习算法。（）7.强化学习是一种通过与环境交互来学习策略的机器学习算法。（）8.机器学习中的过拟合现象是指模型对训练数据拟合得很好，但对测试数据拟合得不好。（）9.机器学习中的特征选择是指从原始特征中选择出最有用的特征。（）10.机器学习中的模型评估是指对模型进行测试和验证的过程。（）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.聚类分析五、简答题（每题6分，共18分）1.简述决策树算法的基本原理。2.简述支持向量机算法的基本原理。3.简述朴素贝叶斯