2025年人工智能与机器学习基础知识试卷及答案.docxVIP

2025年人工智能与机器学习基础知识试卷及答案

一、单项选择题（每题2分，共20分）

1.以下哪种算法属于监督学习？

A.K-means聚类

B.主成分分析（PCA）

C.支持向量机（SVM）

D.关联规则挖掘

2.在逻辑回归中，若使用均方误差（MSE）作为损失函数，可能导致的主要问题是？

A.计算复杂度高

B.损失函数非凸，优化困难

C.模型容易欠拟合

D.无法处理多分类问题

3.以下关于激活函数的描述，错误的是？

A.Sigmoid函数在输入绝对值较大时会出现梯度消失

B.ReLU函数在输入为负时梯度为0，可能导致“神经元死亡”

C.Tanh函数的输出范围是[-1,1]，比Sigmoid更易收敛

D.GELU（高斯误差线性单元）的输出仅依赖于输入的绝对值

4.假设某二分类任务中，真实标签为[1,0,1,1,0]，模型预测概率为[0.8,0.3,0.6,0.4,0.7]（阈值设为0.5），则模型的精确率（Precision）为？

A.0.6

B.0.75

C.0.8

D.0.5

5.以下哪种技术不属于模型压缩方法？

A.知识蒸馏（KnowledgeDistillation）

B.权重剪枝（WeightPruning）

C.梯度累积（GradientAccumulation）

D.量化（Quantization）

6.在Transformer模型中，多头注意力（Multi-HeadAttention）的主要作用是？

A.增加模型的参数量

B.并行计算不同子空间的注意力信息

C.解决长距离依赖问题

D.替代循环神经网络（RNN）的序列建模能力

7.关于欠拟合（Underfitting）的描述，正确的是？

A.训练集和测试集的误差均较高

B.训练集误差低，测试集误差高

C.模型对训练数据的细节过度学习

D.可通过增加正则化强度解决

8.以下哪项不是强化学习（ReinforcementLearning）的核心要素？

A.状态（State）

B.策略（Policy）

C.损失函数（LossFunction）

D.奖励（Reward）

9.在随机梯度下降（SGD）中，“随机”指的是？

A.随机初始化模型参数

B.随机选择激活函数

C.随机选择训练样本的子集计算梯度

D.随机调整学习率

10.对于时间序列预测任务，以下哪种模型的长期依赖建模能力最弱？

A.LSTM

B.Transformer

C.简单循环神经网络（RNN）

D.门控循环单元（GRU）

二、填空题（每空2分，共20分）

1.机器学习中，将数据划分为训练集、验证集和测试集的主要目的是__________。

2.决策树中，信息增益的计算基于__________的减少量。

3.深度学习中，BatchNormalization（BN）的主要作用是__________。

4.生成对抗网络（GAN）由__________和判别器两部分组成。

5.线性回归模型的参数估计通常使用__________方法求解。

6.在K近邻（KNN）算法中，当K过小时，模型容易__________（填“过拟合”或“欠拟合”）。

7.交叉熵损失函数的表达式为__________（假设二分类，真实标签为y∈{0,1}，预测概率为p）。

8.Transformer模型的位置编码（PositionalEncoding）用于__________。

9.梯度下降的更新公式为__________（用θ表示参数，η表示学习率，L表示损失函数）。

10.无监督学习的典型任务包括__________（列举至少一种）。

三、简答题（每题8分，共32分）

1.简述监督学习、无监督学习和半监督学习的区别，并各举一个典型应用场景。

2.解释过拟合的定义及常见解决方法（至少列出4种）。

3.对比卷积神经网络（CNN）和循环神经网络（RNN）在处理数据时的差异，说明各自适用的场景。

4.什么是迁移学习（TransferLearning）？其核心思想是什么？列举一种迁移学习的具体方法。

四、计算题（共18分）

1.（8分）某三分类任务中，模型预测结果与真实标签的混淆矩阵如下：

||真实类别A|真实类别B|真实类别C|

|--|--|--|--|

|预测A|15|3