广州体育学院《机器学习与模式识别II（双语）》2023-2024学年第一学期期末试卷.docVIP

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PAGE1页，共NUMPAGES1页

广州体育学院《机器学习与模式识别II（双语）》

2023-2024学年第一学期期末试卷

题号

一

二

三

四

总分

得分

批阅人

一、单选题（本大题共30个小题，每小题1分，共30分．在每小题给出的四个选项中，只有一项是符合题目要求的．）

1、在使用朴素贝叶斯算法进行分类时，以下关于朴素贝叶斯的假设和特点，哪一项是不正确的？（）

A.假设特征之间相互独立，简化了概率计算

B.对于连续型特征，通常需要先进行离散化处理

C.朴素贝叶斯算法对输入数据的分布没有要求，适用于各种类型的数据

D.朴素贝叶斯算法在处理高维度数据时性能较差，容易出现过拟合

2、假设正在进行一个特征选择任务，需要从大量的特征中选择最具代表性和区分性的特征。以下哪种特征选择方法基于特征与目标变量之间的相关性？（）

A.过滤式方法

B.包裹式方法

C.嵌入式方法

D.以上方法都可以

3、在构建一个机器学习模型时，我们通常需要对数据进行预处理。假设我们有一个包含大量缺失值的数据集，以下哪种处理缺失值的方法是较为合理的（）

A.直接删除包含缺失值的样本

B.用平均值填充缺失值

C.用随机值填充缺失值

D.不处理缺失值，直接使用原始数据

4、在机器学习中，对于一个分类问题，我们需要选择合适的算法来提高预测准确性。假设数据集具有高维度、大量特征且存在非线性关系，同时样本数量相对较少。在这种情况下，以下哪种算法可能是一个较好的选择？（）

A.逻辑回归

B.决策树

C.支持向量机

D.朴素贝叶斯

5、在处理自然语言处理任务时，词嵌入（WordEmbedding）是一种常用的技术。假设我们要对一段文本进行情感分析。以下关于词嵌入的描述，哪一项是错误的？（）

A.词嵌入将单词表示为低维实数向量，捕捉单词之间的语义关系

B.Word2Vec和GloVe是常见的词嵌入模型，可以学习到单词的分布式表示

C.词嵌入向量的维度通常是固定的，且不同单词的向量维度必须相同

D.词嵌入可以直接用于文本分类任务，无需进行进一步的特征工程

6、在一个信用评估的问题中，需要根据个人的信用记录、收入、债务等信息评估其信用风险。以下哪种模型评估指标可能是最重要的？（）

A.准确率（Accuracy），衡量正确分类的比例，但在不平衡数据集中可能不准确

B.召回率（Recall），关注正例的识别能力，但可能导致误判增加

C.F1分数，综合考虑准确率和召回率，但对不同类别的权重相同

D.受试者工作特征曲线下面积（AUC-ROC），能够评估模型在不同阈值下的性能，对不平衡数据较稳健

7、在构建一个用于图像识别的卷积神经网络（CNN）时，需要考虑许多因素。假设我们正在设计一个用于识别手写数字的CNN模型。以下关于CNN设计的描述，哪一项是不正确的？（）

A.增加卷积层的数量可以提取更复杂的图像特征，提高识别准确率

B.较大的卷积核尺寸能够捕捉更广泛的图像信息，有助于模型性能提升

C.在卷积层后添加池化层可以减少特征数量，降低计算复杂度，同时保持主要特征

D.使用合适的激活函数如ReLU可以引入非线性，增强模型的表达能力

8、在进行机器学习模型训练时，过拟合是一个常见的问题。过拟合意味着模型在训练数据上表现很好，但在新的、未见过的数据上表现不佳。为了防止过拟合，可以采取多种正则化方法。假设我们正在训练一个神经网络，以下哪种正则化技术通常能够有效地减少过拟合？（）

A.增加网络的层数和神经元数量

B.在损失函数中添加L1正则项

C.使用较小的学习率进行训练

D.减少训练数据的数量

9、当使用支持向量机（SVM）进行分类任务时，如果数据不是线性可分的，通常会采用以下哪种方法（）

A.增加样本数量

B.降低维度

C.使用核函数将数据映射到高维空间

D.更换分类算法

10、无监督学习算法主要包括聚类和降维等方法。以下关于无监督学习算法的说法中，错误的是：聚类算法将数据分成不同的组，而降维算法则将高维数据映射到低维空间。那么，下列关于无监督学习算法的说法错误的是（）

A.K均值聚类算法需要预先指定聚类的个数K，并且对初始值比较敏感

B.层次聚类算法可以生成树形结构的聚类结果，便于直观理解

C.