2026年高职第二学年（人工智能技术）机器学习基础测试题及答案

2026年高职第二学年（人工智能技术）机器学习基础测试题及答案一、选择题（8题，每题3分，共24分）

1.下列哪项不是机器学习的常见应用领域？

A.图像识别

B.自然语言处理

C.数据分析

D.天气预报

2.以下哪种算法属于监督学习？

A.聚类算法

B.决策树

C.主成分分析

D.神经网络

3.在机器学习中，过拟合现象通常发生在什么情况下？

A.模型过于简单

B.数据集过小

C.模型过于复杂

D.数据噪声过大

4.以下哪种指标常用于评估分类模型的性能？

A.均方误差

B.决策树

C.精确率

D.协方差

5.在特征选择中，以下哪种方法属于过滤法？

A.递归特征消除

B.相关性分析

C.逐步回归

D.Lasso回归

6.以下哪种算法不属于无监督学习？

A.K-means聚类

B.支持向量机

C.层次聚类

D.DBSCAN聚类

7.在交叉验证中，通常采用多少折进行验证？

A.2折

B.5折

C.10折

D.20折

8.以下哪种方法常用于处理不平衡数据集？

A.数据增强

B.重采样

C.降维

D.特征提取

二、（一）多项选择题（5题，每题4分，共20分）

1.以下哪些属于机器学习的常见算法？

A.线性回归

B.K-means聚类

C.决策树

D.主成分分析

E.支持向量机

2.以下哪些指标可以用于评估回归模型的性能？

A.均方误差

B.决定系数

C.平均绝对误差

D.精确率

E.召回率

3.以下哪些方法可以用于特征选择？

A.相关性分析

B.递归特征消除

C.逐步回归

D.Lasso回归

E.主成分分析

4.以下哪些属于无监督学习的常见算法？

A.K-means聚类

B.层次聚类

C.DBSCAN聚类

D.支持向量机

E.逻辑回归

5.以下哪些方法可以用于处理缺失值？

A.删除含有缺失值的样本

B.插值法

C.均值填充

D.回归填充

E.特征提取

（二）判断题（5题，每题2分，共10分）

1.决策树算法是一种非参数方法。（）

2.过拟合会导致模型在新数据上的表现较差。（）

3.在特征选择中，过滤法通常比包裹法计算复杂度低。（）

4.交叉验证可以有效防止过拟合。（）

5.数据增强是一种处理不平衡数据集的方法。（）

三、（一）填空题（10题，每题2分，共20分）

1.机器学习的三大主要类型是______学习、______学习和______学习。

2.在监督学习中，输入数据通常包含______和______。

3.过拟合现象通常发生在模型______的情况下。

4.评估分类模型性能的常用指标包括______、______和______。

5.特征选择的方法可以分为______法、______法和______法。

6.无监督学习中常用的算法包括______、______和______。

7.交叉验证通常采用______折或______折进行验证。

8.处理不平衡数据集的方法包括______和______。

9.缺失值处理的方法包括______、______和______。

10.机器学习中的模型评估方法包括______和______。

（二）计算题（2题，每题10分，共20分）

1.假设有一个数据集，包含100个样本，每个样本有3个特征。使用5折交叉验证，请计算每折的验证集大小。

2.假设有一个分类问题，使用逻辑回归模型进行训练，得到以下参数：w1=0.5,w2=-0.3,w3=0.2,b=-1.0。请计算输入样本x1=1,x2=2,x3=3的预测值。

四、综合题（2题，每题15分，共30分）

1.请简述监督学习和无监督学习的区别，并举例说明各自的应用场景。

2.请简述过拟合和欠拟合现象，并说明如何避免这两种现象。

五、材料分析题（1题，20分）

假设有一个电商平台的数据集，包含用户的购买历史、年龄、性别等信息。请设计一个机器学习模型，用于预测用户是否会购买某个特定商品。请说明模型的选择、特征工程、训练和评估步骤。

答案部分：

一、选择题

1.D

2.B

3.C

4.C

5.B

6.B

7.B

8.B

二、（一）多项选择题

1.A,B,C,E

2.A,B,C

3.A,B,C,D

4.A,B,C

5.A,B,C,D

（二）判断题

1.√

2.√

3.√

4.√

5.√

三、（一）填空题

1.监督、无监督、强化

2.特征、标签

3.过于复杂

4.精确率、召回率、F1分数

5.过滤、包裹、嵌入

6.K-means聚类、层次聚类、DBSCAN聚类

7.5、10

8.重采样、数据增强

9.删除、插值、均值填充

10.损失函数、交叉验证

（二）计算题

1.每折的验证集大小为20。

2.预测值为0.1。

四、综合题

1.监督学习需要标签数据，通过学习输入和输出之间的关系来进行预测；无监督学习不需要标签数据，通过发现数据中的结构和模式来进行聚类或降维。监督学习的应用场景包括图像识别、自然语言处理；无监督学习的应用场景包括聚类分析、异常检测。

2.过拟合是指模型在训练数据上表现很好，但在新数据上表现较差；欠拟合是指模型在训练数据上表现就不好。避免过拟合的方法包括增加数据量、使用正则化、选择更简单的模型；避免欠拟合的方法包括增加模型复杂度、增加特征、使用更复杂的模型。

五、材料分析题

模型选择：可以使用逻辑回归或决策