2026年人工智能（机器学习基础）试题及答案

2026年人工智能（机器学习基础）试题及答案

（考试时间：90分钟满分100分）班级______姓名______第I卷（选择题共30分）请将正确答案的序号填在括号里。（总共6题，每题5分）1.以下关于机器学习中监督学习的说法，正确的是（）A.监督学习不需要训练数据B.监督学习的目标是预测输入数据的类别或数值C.监督学习中没有明确的标签D.监督学习只能处理分类问题2.在决策树算法中，用于选择最佳划分属性的指标通常是（）A.信息增益B.基尼系数C.均方误差D.以上都可以3.支持向量机（SVM）的主要作用是（）A.进行数据聚类B.寻找数据中的异常点C.对数据进行分类和回归D.提取数据的特征4.以下哪种算法不属于无监督学习算法（）A.K近邻算法B.主成分分析（PCA）C.线性回归D.聚类算法5.神经网络中的激活函数的作用是（）A.增加模型的复杂度B.对输入数据进行非线性变换C.提高模型的收敛速度D.减少模型的过拟合6.在训练神经网络时，常用的优化算法不包括（）A.随机梯度下降（SGD）B.批量梯度下降（BGD）C.牛顿法D.梯度提升第II卷（非选择题共70分）7.简答题：简述机器学习中模型评估的常用指标有哪些？（10分）8.简答题：请解释什么是过拟合和欠拟合，并说明如何避免过拟合？（15分）9.分析题：给定一个数据集，包含多个特征和一个目标变量。请描述如何使用线性回归算法来建立模型，并解释模型评估的过程。（15分）10.材料题：材料：在一个图像分类任务中，使用卷积神经网络（CNN）进行训练。训练过程中发现模型在训练集上的准确率很高，但在测试集上的准确率较低。问题：请分析可能导致这种情况的原因，并提出相应的解决方法。（15分）11.设计题：设计一个简单的机器学习算法流程，用于预测房价。要求包括数据预处理、模型选择、训练和评估等步骤。（15分）答案：1.B2.A3.C4.C5.B6.C7.常用指标有准确率、精确率、召回率、F1值、均方误差、交叉熵等。准确率用于评估分类正确的样本占总样本的比例；精确率衡量预测为正例的样本中实际为正例的比例；召回率表示实际为正例的样本中被正确预测为正例的比例；F1值是精确率和召回率的调和平均；均方误差常用于回归任务，衡量预测值与真实值之间的平均误差；交叉熵用于衡量两个概率分布之间的差异。8.过拟合是指模型在训练集上表现很好，但在测试集等新数据上表现很差，模型过于复杂，捕捉了训练数据中的噪声。欠拟合是指模型过于简单，无法很好地拟合训练数据。避免过拟合的方法有：增加数据、进行正则化、采用合适的模型复杂度、使用集成学习方法（如随机森林、梯度提升等）、进行早停等。9.使用线性回归算法建立模型，首先对数据集进行清洗和预处理，处理缺失值等。然后划分训练集和测试集。接着通过最小二乘法等方法估计模型参数，得到线性回归方程。模型评估过程：计算训练集上的均方误差等指标评估模型在训练数据上的拟合情况；在测试集上计算均方误差、预测值与真实值的相关性等指标，评估模型的泛化能力。10.可能原因：模型过拟合，在训练集上过度学习了噪声；数据集划分不合理，训练集和测试集有重叠或分布差异大；数据预处理不当，如归一化等。解决方法：对模型的卷积层等适当增加正则化；重新划分数据集，保证划分合理；检查数据预处理步骤是否正确，对数据进行更合适的归一化等操作。11.数据预处理：收集房价相关数据，清洗数据，处理缺失值、异常值等。模型选择：选择线性回归模型。训练：将预处理后的