2026年机器学习与人工智能应用能力考试卷及答案

2026年机器学习与人工智能应用能力考试卷及答案一、单项选择题（每题2分，共40分）1.下列哪项属于监督学习任务？A.客户聚类B.房价预测C.数据降维D.关联规则挖掘答案：B解析：房价预测需利用带标签的历史样本学习从特征到价格的映射，属回归型监督学习；聚类与关联规则挖掘属无监督学习，降维通常作为数据预处理手段。2.在机器学习中，"过拟合"是指模型（）。A.在训练集和测试集上表现均差B.在训练集上表现好，但在测试集上表现差C.在训练集上表现差，但在测试集上表现好D.在训练集和测试集上表现均好答案：B解析：过拟合的典型特征是训练误差低而泛化误差高，即模型记住了训练数据中的噪声，导致在未见数据上表现下降。3.线性回归中最常用的损失函数是（）。A.交叉熵损失B.均方误差C.铰链损失D.指数损失答案：B4.下列哪种方法不能有效缓解过拟合？A.增加训练样本量B.添加L2正则化C.增加模型复杂度D.早停（EarlyStopping）答案：C5.在K-Means算法中，簇中心更新的方式是（）。A.随机选取簇内一个样本B.计算簇内所有样本的均值C.选取距当前中心最近的样本D.计算簇内样本的加权中位数答案：B6.ID3决策树算法在选择划分特征时采用的指标是（）。A.基尼指数B.信息增益C.信息增益率D.卡方统计量答案：B解析：ID3使用信息增益；C4.5改用信息增益率以抑制对取值较多特征的偏好；CART分类树使用基尼指数。7.梯度下降中，学习率设置过大的可能后果是（）。A.收敛速度变慢B.损失值振荡甚至发散C.模型一定欠拟合D.对训练过程无影响答案：B8.逻辑回归中，将线性组合z=wTA.ReLU函数B.Sigmoid函数C.Tanh函数D.LeakyReLU函数答案：B解析：Tanh输出范围为(−1,1)9.关于决策树，下列说法正确的是（）。A.树越深，模型越不易过拟合B.剪枝可以提高模型的泛化能力C.决策树无法处理连续型特征D.决策树对缺失值完全无法处理答案：B解析：决策树过深易过拟合，剪枝通过简化树结构提升泛化能力；C4.5、CART等算法均可处理连续特征与缺失值。10.二分类评估中，召回率（Recall）的计算公式是（）。A.TB.TC.TD.F答案：B解析：召回率衡量真实正样本中被正确预测出的比例；TP11.支持向量机（SVM）中，引入核函数的目的是（）。A.减少训练时间B.将低维空间中线性不可分的数据映射到高维空间以使其线性可分C.降低特征维度D.消除异常值的影响答案：B12.下列特征缩放方法中，对异常值（离群点）最不敏感的是（）。A.Z-Score标准化B.Min-Max归一化C.中位数与四分位距缩放D.小数定标标准化答案：C解析：Z-Score与Min-Max分别依赖均值、标准差和最大值、最小值，易受离群点影响；中位数与四分位距基于稳健统计量，抗离群点能力最强。13.在卷积神经网络（CNN）中，池化层的主要作用不包括（）。A.降低特征图的空间尺寸B.增强平移不变性C.增加参数量以提升模型表达能力D.在一定程度上防止过拟合答案：C14.自然语言处理中，Word2Vec的核心目标是（）。A.对文本自动生成摘要B.将词映射为稠密的低维实数向量C.识别文本中的命名实体D.对文档进行聚类答案：B15.LSTM网络相较于传统RNN的主要优势是（）。A.训练速度更快B.能有效缓解长序列训练中的梯度消失问题C.参数量更少D.无需训练即可直接使用答案：B16.下列哪项不属于数据预处理的内容？A.缺失值填补B.梯度下降C.数据标准化D.异常值处理答案：B17.随机森林属于下列哪种集成学习策略？A.BoostingB.BaggingC.StackingD.增量学习答案：B解析：随机森林通过Bootstrap抽样并行训练多棵决策树并投票集成，属Bagging；Boosting则串行训练并聚焦前一轮的错误样本。18.在推荐系统中，基于用户的协同过滤算法核心假设是（）。A.相似的用户喜欢相似的物品B.物品的属性决定用户喜好C.用户只喜欢热门物品D.用户行为与时间无关答案：A19.强化学习中，"利用（Exploitation）"是指（）。A.随机选择动作以探索新的可能B.选择当前已知的最优动作以获取最大奖励C.不执行任何动作D.降低学习率答案：B20.关于偏差与方差，下列说法正确的是（）。A.模型越复杂，偏差通常越大B.模型越复杂，方差通常越大C.欠拟合对应高方差D.增加训练数据必然增加方差答案：B二、多项选择题（每题3分，共15分，多选、少选、错选均不得分）1.下列属于无监督学习算法的有（）。A.K-MeansB.AprioriC.主成分分析（PCA）D.逻辑回归答案：ABC解析：K-Means为聚类算法，Apriori为关联规则挖掘算法，PCA为无监督降维方法；逻辑回归依赖标注数据，属监督学习。2.关于K折交叉验证，下列说法正确的有（）。A.将数据集划分为K份，每次取1份作验证集、其余K-1份作训练集B.进行K次训练与验证，最终结果为K次验证指标的平均值C.K值越大，通常计算开销越大D.交叉验证的结果可以完全替代独立测试集答案：ABC解析：交叉验证用于模型选择与超参数调优，最终泛化性能仍须由独立测试集评估，故D错误。3.下列措施中，可用于处理样本类别不平衡问题的有（）。A.对少数类样本进行过采样B.对多数类样本进行欠采样C.在损失函数中为少数类样本赋予更高权重D.直接删除全部多数类样本答案：ABC解析：直接删除全部多数类样本会丢失大量有效信息，使模型无法学习数据分布，不是合理策略。4.关于支持向量机（SVM），下列说法正确的有（）。A.对高维数据通常仍具有较好泛化能力B.可采用软间隔（SoftMargin）容忍噪声与异常点C.核函数的选择直接影响模型性能D.只能处理二分类问题答案：ABC解析：SVM可通过一对一（OvO）、一对多（OvR）等策略扩展到多分类任务，故D错误。5.关于卷积神经网络（CNN），下列说法正确的有（）。A.卷积层通过权值共享减少参数量B.局部连接是CNN的重要特性C.池化层通常不包含可学习参数D.池化操作会显著增加模型的参数量答案：ABC解析：池化层执行固定窗口的下采样操作，不引入可学习参数，也不会增加参数量，故D错误。三、判断题（每题1分，共10分）1.决策树深度越大，模型在训练集上的拟合能力越强，过拟合风险也越高。答案：正确2.主成分分析（PCA）是一种有监督的线性降维方法。答案：错误解析：PCA不使用标签信息，属于无监督降维；有监督降维的典型代表是线性判别分析（LDA）。3.朴素贝叶斯分类器假设各特征之间相互独立。答案：正确4.Dropout技术在训练阶段和测试阶段以完全相同的方式使用。答案：错误解析：Dropout仅在训练阶段随机丢弃部分神经元（反向Dropout会对保留神经元的输出按保留概率放大）；测试阶段使用全部神经元，不进行随机丢弃。5.K-Means算法的聚类数目K需要预先指定。答案：正确6.卷积层通过局部连接与权值共享大幅减少了模型的参数量。答案：正确7.模型在训练集上的准确率越高，其泛化能力一定越强。答案：错误解析：训练集准确率高可能源于过拟合，泛化能力须通过独立测试集或交叉验证来评估。8.强化学习中的"探索-利用"困境，指智能体需要在尝试未知动作与利用已知最优动作之间做出权衡。答案：正确9.使用梯度下降算法训练模型，一定能收敛到全局最优解。答案：错误解析：当损失函数为非凸函数时，梯度下降可能收敛到局部最优解；学习率设置不当还可能导致发散。10.数据增强（如对图像进行随机裁剪、旋转）可以增加训练数据的多样性，从而缓解过拟合。答案：正确四、简答题（每题5分，共15分）1.简述机器学习中"偏差-方差权衡"的基本含义，并说明其与模型复杂度的关系。答案：泛化误差可分解为偏差、方差与噪声三部分。偏差度量模型预测期望与真实值的差距，反映模型拟合能力；方差度量模型在不同训练集上的预测波动，反映模型对数据扰动的敏感程度。当模型复杂度过低时，偏差大、方差小，表现为欠拟合；当模型复杂度过高时，方差大、偏差小，表现为过拟合。模型选择的本质是在偏差与方差之间取得平衡，使总泛化误差最小。2.简述L1正则化与L2正则化的区别。答案：（1）形式不同：L1在损失函数中加入参数绝对值之和λj​|（2）效果不同：L1倾向于将部分参数压缩为0，产生稀疏模型，具有特征选择作用；L2使参数整体趋近于0但不为0，可有效缓解过拟合。（3）优化方式不同：L1在零点不可导，常采用近端梯度等方法求解；L2处处可导，可直接使用梯度下降。3.简述卷积神经网络（CNN）的基本组成结构及各部分的主要作用。答案：（1）卷积层：通过卷积核在局部感受野上滑动提取特征，借助局部连接与权值共享显著减少参数量。（2）激活层：引入非线性变换（如ReLU），增强模型表达能力。（3）池化层：对特征图下采样，降低空间尺寸、保留主要特征，增强平移不变性并减少计算量。（4）全连接层：将提取到的高维特征映射到样本标记空间，完成分类或回归等任务。此外，实际网络中通常还会使用批归一化稳定训练、使用Dropout抑制过拟合。五、综合应用题（每题20分，共20分）1.某电商平台拟构建"用户购买意向预测模型"以支持精准营销。训练数据集包含50万条用户行为记录，特征包括：用户年龄、性别、注册时长、近30天浏览商品数、加入购物车次数、收藏次数、历史购买金额、最近一次访问距今天数等；标签为"是否发生购买"，其中购买样本约占5%。请回答：（1）该问题属于哪一类机器学习任务？请说明预测标签的性质，并对上述特征进行类型划分。（2）正负样本比例严重失衡可能带来哪些问题？请给出至少三种处理策略。（3）请设计该模型从数据准备到上线评估的完整建模流程，并推荐至少两种适合该任务的算法。（4）请选择合适的模型评估指标并说明理由。答案：（1）该问题属于有监督学习中的二分类任务。预测标签为离散类别变量"是否发生购买"（1表示购买，0表示未购买）。特征中，年龄、注册时长、浏览商品数、加入购物车次数、收藏次数、历史购买金额、最近访问距今天数等为连续型数值特征，建模前宜进行标准化；性别为类别型特征，可采用独热编码或标签编码处理。（2）样本不平衡会导致模型偏向多数类（未购买），将所有样本预测为多数类也能获得很高的准确率，但对少数类（实际购买用户）的召回率极低，无法实现精准营销目标。处理策略：①对少数类过采样，如使用SMOTE合成新样本；②对多数类欠采样，随机抽取部分未购买样本使类别比例趋于均衡；③在损失函数中为少数类样本设置更高的类别权重；④使用对不平衡鲁棒的模型或集成策略（如EasyEnsemble、异常检测思路）；⑤调整分类阈值，不默认使用0.5。（3）建模流程：①数据清洗——处理缺失值、异常值与重复记录；②特征工程——数值特征标准化、类别特征编码，并构造派生特征（如加购率、近30天活跃天数等）；③样本划分——按时间顺序或随机方式划分为训练集、验证集与独立测试集；④模型训练——以逻辑回归为基线，再训练随机森林、XGBoost/LightGBM等模型；⑤超参数调优——结合K折交叉验证进行网格搜索或贝叶斯优化；⑥模型评估——在独立测试集上计算AUC、F1、召回率等指标并与基线对比；⑦上线部署与监控——通过A/B测试验证线上效果，持续监控指标漂移并定期重训练。推荐算法：逻辑回归（可解释性强、训练快、适合作基线）、随机森林或XGBoost/LightGBM（对表格数据拟合能力强，能捕捉非线性关系与特征交互）。（4）不宜以准确率作为主要指标，因为类别不平衡时准确率会被多数类主导而虚高。应重点关注：①AUC——衡量模型将正样本排在负样本之前的能力，对类