2025年人工智能与机器学习基本概念考试试题及答案.docxVIP

2025年人工智能与机器学习基本概念考试试题及答案

一、单项选择题（每题2分，共20分）

1.以下哪项不属于监督学习任务？

A.图像分类（标签为“猫”“狗”）

B.客户分群（无预设类别）

C.房价预测（目标为连续数值）

D.垃圾邮件识别（标签为“是”“否”）

2.关于支持向量机（SVM）的核函数，以下描述错误的是？

A.线性核适用于特征可线性分离的场景

B.高斯核（RBF核）能处理非线性可分数据

C.多项式核的复杂度与阶数无关

D.核函数的作用是将低维数据映射到高维空间

3.在逻辑回归中，若样本标签为0或1，其损失函数通常选择？

A.均方误差（MSE）

B.交叉熵损失（Cross-EntropyLoss）

C.绝对误差（MAE）

D.Huber损失

4.以下哪项是解决过拟合的常用方法？

A.增加训练数据量

B.减少模型复杂度

C.添加正则化项（如L2正则）

D.以上都是

5.梯度下降优化过程中，“梯度”的数学含义是？

A.目标函数的二阶导数

B.目标函数在当前点的变化率最大的方向

C.输入数据的特征梯度

D.模型参数的随机扰动方向

6.深度学习中，激活函数的主要作用是？

A.加速计算

B.引入非线性能力

C.防止梯度消失

D.标准化输入数据

7.在自然语言处理（NLP）中，词嵌入（WordEmbedding）的核心目的是？

A.将单词转换为唯一整数ID

B.捕捉单词的语义和上下文关系

C.压缩文本数据的存储空间

D.减少文本中的噪声

8.以下哪种机器学习算法属于生成模型？

A.逻辑回归

B.朴素贝叶斯

C.支持向量机

D.决策树

9.评估分类模型时，若关注“在预测为正类的样本中，实际为正类的比例”，应选择以下哪个指标？

A.准确率（Accuracy）

B.精确率（Precision）

C.召回率（Recall）

D.F1值

10.迁移学习（TransferLearning）的主要应用场景是？

A.目标任务数据量充足时

B.目标任务与源任务领域差异极大时

C.目标任务数据量稀缺，但存在相关领域的大量数据时

D.所有机器学习任务都需要迁移学习

二、填空题（每空2分，共20分）

1.机器学习按任务类型可分为______、无监督学习、半监督学习和强化学习。

2.决策树的分裂准则通常包括信息增益、______和基尼系数。

3.深度学习中，常用于解决梯度消失问题的激活函数是______（写出一种）。

4.在K近邻（KNN）算法中，若K值过小，模型容易______（过拟合/欠拟合）。

5.评估回归模型的常用指标有均方误差（MSE）、______（写出一种）。

6.循环神经网络（RNN）的主要缺陷是难以捕捉______的依赖关系。

7.Transformer模型中，“自注意力机制”的核心是计算输入序列中______的相关性。

8.集成学习的两种主要方法是______（如随机森林）和提升（Boosting，如XGBoost）。

9.强化学习中的“奖励函数”用于量化智能体在环境中______的优劣。

10.特征工程中，将连续特征离散化的常用方法有等距分箱、______（写出一种）。

三、简答题（每题8分，共40分）

1.解释“偏差-方差权衡”（Bias-VarianceTradeoff）的含义，并说明其对模型选择的指导意义。

2.对比随机森林（RandomForest）与梯度提升树（GradientBoostingDecisionTree,GBDT）的核心差异（至少3点）。

3.简述卷积神经网络（CNN）中“卷积层”和“池化层”的作用。

4.自然语言处理中，“预训练模型（如BERT）”为何能提升下游任务的性能？请从数据利用和特征学习角度说明。

5.列举机器学习模型部署时需考虑的3个关键问题，并简要解释。

四、综合分析题（每题10分，共20分）

1.某团队开发了一个预测用户是否会购买某商品的二分类模型，训练数据包含10万条样本（正类占比5%），测试集上准确率为95%，但业务方反馈模型“不好用”。请分析可能的原因，并提出至少2种改进方案。

2.假设需设计一个基于机器学习的智能客服对话系统，需处理用户的问题分类（如“咨询”“投诉”“售后”）和答案生成。请简述关键技术步骤（从数据准备到模型部署），并说明每一步的核心任务。