2026年高职(人工智能技术应用)机器学习模型训练基础试题及答案

2026年高职(人工智能技术应用)机器学习模型训练基础试题及答案一、单项选择题（每题2分，共20分）1.以下关于监督学习与无监督学习的描述，错误的是（）A.监督学习需要标签数据，无监督学习不需要B.分类任务属于监督学习，聚类任务属于无监督学习C.监督学习的目标是拟合输入与输出的映射关系，无监督学习的目标是发现数据内在结构D.决策树只能用于监督学习，K-means只能用于无监督学习2.下列机器学习算法中，属于实例学习（基于记忆的学习）的是（）A.线性回归B.K近邻（KNN）C.支持向量机（SVM）D.朴素贝叶斯3.对于回归问题，若模型预测值与真实值的误差服从正态分布，最优的损失函数通常选择（）A.交叉熵损失B.均方误差（MSE）C.平均绝对误差（MAE）D.Hinge损失4.模型训练时出现过拟合现象，以下最不有效的解决方法是（）A.增加训练数据量B.降低模型复杂度（如减少决策树深度）C.使用L2正则化D.增加学习率5.对特征进行标准化（Z-score标准化）的主要目的是（）A.使特征取值范围在[0,1]B.消除不同特征量纲差异，加速梯度下降收敛C.提高模型的可解释性D.减少计算内存消耗6.关于k折交叉验证的描述，正确的是（）A.所有数据用于训练，无需验证集B.将数据随机分为k份，每次用k-1份训练，1份验证，取平均结果C.k越大，计算效率越高D.只能用于分类任务，不能用于回归任务7.神经网络中引入激活函数（如ReLU）的主要原因是（）A.增加模型的线性表达能力B.防止梯度消失C.引入非线性，使模型能拟合复杂数据D.减少参数数量8.决策树划分节点时，若选择信息增益作为划分标准，其核心目标是（）A.使划分后的子集类别更混乱B.使划分后的子集类别更纯（熵更小）C.最大化父节点的熵D.最小化子节点的数量9.以下集成学习方法中，属于Boosting框架的是（）A.随机森林（RandomForest）B.梯度提升树（GBRT）C.自助聚合（Bagging）D.极端随机树（ExtraTrees）10.超参数调优时，网格搜索（GridSearch）与随机搜索（RandomSearch）的主要区别是（）A.网格搜索只能调连续参数，随机搜索只能调离散参数B.网格搜索遍历所有参数组合，随机搜索随机采样部分组合C.网格搜索更适合高维参数空间D.随机搜索计算成本更高二、填空题（每空2分，共20分）1.机器学习的三要素是模型、__________和算法。2.线性回归模型的目标函数是最小化__________（填写具体损失函数名称）。3.K-means聚类算法的核心步骤是__________和质心更新。4.支持向量机（SVM）的核心思想是找到__________最大的分类超平面。5.梯度下降算法的三种变体是批量梯度下降、随机梯度下降和__________。6.混淆矩阵中，TP表示__________（填写中文全称）。7.神经网络训练时，反向传播算法的本质是通过__________计算参数梯度。8.特征工程中，将“学历”（小学、初中、本科）转换为数值的过程属于__________（填写具体操作）。9.集成学习中，Bagging通过__________（填写采样方法）提供多个训练集，Boosting通过__________调整样本权重。三、简答题（每题6分，共30分）1.简述监督学习与无监督学习的关键区别，并各举一个典型应用场景。2.梯度下降（GD）与随机梯度下降（SGD）的优缺点分别是什么？3.模型过拟合的主要表现是什么？列举3种常用的解决方法。4.为什么在训练机器学习模型前需要对特征进行缩放（如标准化或归一化）？5.简述交叉验证（CrossValidation）的作用，并说明5折交叉验证的具体实现步骤。四、计算题（每题8分，共40分）1.已知线性回归模型为=+x，初始参数=0.5，=1.2，训练数据为(=2,=42.逻辑回归模型参数为w=[0.3,−0.5]3.某KNN分类任务中，测试样本与5个训练样本的欧氏距离分别为2.1、1.8、3.0、2.5、1.2，对应的类别为A、B、A、B、A。若取k=3，该测试样本应分类为什么类别？说明理由。4.某数据集包含10个样本，其中“是否购买”标签为是（6个）和否（4个）。按特征“年龄>30岁”划分子集：子集1（年龄>30）有7个样本（是5个，否2个），子集2（年龄≤30）有3个样本（是1个，否2个）。计算该划分的信息增益（熵(5.某二分类模型的混淆矩阵如下（行：真实类别，列：预测类别）：正类负类正类8020负类1090计算准确率、精确率（Precision）、召回率（Recall）和F1分数（保留3位小数）。五、综合应用题（20分）某高职院校拟构建一个“学提供绩预测模型”，输入特征包括“每日学习时长（小时）”“前一学期平均分（0-100）”“是否参加课外辅导（是/否）”，输出为“本学期平均分（0-100）”。请设计一个完整的机器学习项目流程，包括以下步骤：（1）数据收集与预处理；（2）特征工程；（3）模型选择与训练；（4）模型评估与调优；（5）模型部署与应用。答案一、单项选择题1.D2.B3.B4.D5.B6.B7.C8.B9.B10.B二、填空题1.策略2.均方误差（MSE）3.样本分配（或“分配样本到最近质心”）4.间隔（或“边际”）5.小批量梯度下降6.真正例（或“真阳性”）7.链式法则（或“反向传播误差”）8.类别编码（或“离散特征编码”）9.自助采样（Bootstrap）；错误样本加权三、简答题1.关键区别：监督学习使用带标签数据训练，目标是学习输入到输出的映射；无监督学习使用无标签数据，目标是发现数据内在结构。示例：监督学习（如根据历史房价数据预测新房价格）；无监督学习（如根据学生消费数据聚类划分消费群体）。2.GD优点：梯度计算准确，收敛稳定；缺点：计算所有样本梯度，耗时，不适用于大数据。SGD优点：每次用单个样本更新，计算快，适合在线学习；缺点：梯度波动大，可能震荡，收敛不稳定。3.表现：训练误差小，测试误差显著大于训练误差；模型过度拟合训练数据的噪声。解决方法：增加数据量、降低模型复杂度（如减少神经网络层数）、正则化（L1/L2）、早停法。4.原因：不同特征的量纲（如“学习时长”以小时计，“前一学期平均分”以百分制计）差异大，会导致梯度下降时各参数更新速率不一致，影响收敛速度和模型性能；缩放后特征处于同一数量级，优化更高效。5.作用：更可靠地评估模型泛化能力，避免单次划分验证集的偶然性。步骤：将数据随机分为5份；每次取4份训练、1份验证，共进行5次；记录每次验证指标（如准确率），取平均值作为最终性能。四、计算题1.预测值：=0.5+1.2均方误差梯度：更新后：=0.5−0.12.线性组合：z=概率：si3.取距离最小的3个样本：1.2（A）、1.8（B）、2.1（A）；类别统计：A出现2次，B出现1次；故分类为A。4.父节点熵：H(子集1熵：H(子集2熵：H(信息增益：IG5.准确率：(80精确率：80/召回率：80/F1分数：2×五、综合应用题（1）数据收集与预处理：收集学生的学习时长、前一学期平均分、课外辅导记录及本学期平均分；处理缺失值（如用均值填充学习时长）、异常值（如删除学习时长>24小时的记录）；转换“是否参加课外辅导”为0/1数值（是=1，否=0）。（2）特征工程：计算“学习时长×前一学期平均分”作为交互特征；对“前一学期平均分”进行标准化（Z-score）；通过相关系数分析筛选与目标强相关的特征（如保留学习时长、前一学期平均分、课外辅导）。（3）模型选择与训练：选择线性回归（简单基线）、随机森林（处理非线性关系）；划分7:2:1为训练集、验证集、测试集；用训练集拟合模型，验证集调整超参数（如随机森林的树数量）。（