2025年人工智能与机器学习考试题及答案.docxVIP

2025年人工智能与机器学习考试题及答案

一、单项选择题（每题2分，共20分）

1.以下哪项任务属于典型的监督学习？

A.对用户评论进行情感分类（积极/消极）

B.对未标注的客户交易数据进行聚类

C.用PCA对高维图像数据降维

D.通过强化学习训练机器人走迷宫

2.在神经网络中，ReLU激活函数（f(x)=max(0,x)）的主要优点是：

A.避免梯度消失问题

B.输出范围在(0,1)，适合二分类

C.计算复杂度低，导数为常数

D.解决过拟合问题

3.关于集成学习（EnsembleLearning），以下描述错误的是：

A.随机森林（RandomForest）通过自助采样（Bootstrap）生成不同训练集

B.梯度提升树（GBDT）每次迭代拟合前一轮模型的残差

C.集成学习的效果一定优于单个基模型

D.投票法（Voting）要求基模型之间具有一定的差异性

4.在自然语言处理（NLP）中，Transformer模型的核心机制是：

A.循环神经网络（RNN）的长短期记忆（LSTM）

B.注意力机制（Attention）的并行计算能力

C.卷积神经网络（CNN）的局部特征提取

D.生成对抗网络（GAN）的对抗训练

5.以下哪项是无监督学习的典型应用？

A.根据历史销售数据预测下月销量

B.从用户点击日志中发现潜在兴趣分组

C.用标注好的医学图像训练肿瘤识别模型

D.通过奖励机制训练智能体玩游戏

6.逻辑回归（LogisticRegression）中，若样本标签为0/1，其损失函数通常选择：

A.均方误差（MSE）

B.交叉熵损失（Cross-EntropyLoss）

C.Hinge损失

D.绝对误差（MAE）

7.关于过拟合（Overfitting），以下说法正确的是：

A.增加训练数据量可以缓解过拟合

B.过拟合的模型在训练集和测试集上的表现都很差

C.降低模型复杂度会导致过拟合

D.L1正则化只能防止梯度消失，不能缓解过拟合

8.在强化学习中，智能体（Agent）的核心目标是：

A.最小化即时奖励的总和

B.最大化长期累积奖励的期望

C.准确拟合环境的状态转移概率

D.完全模仿人类专家的决策

9.卷积神经网络（CNN）中，池化层（Pooling）的主要作用是：

A.增加特征图的深度

B.减少参数数量，平移不变性

C.引入非线性变换

D.直接输出分类结果

10.以下哪项不属于迁移学习（TransferLearning）的应用场景？

A.用预训练的BERT模型微调完成特定领域的文本分类

B.将ImageNet预训练的ResNet模型用于医学影像分类

C.从头训练一个模型处理全新的图像识别任务

D.利用已有的情感分析模型参数初始化新的评论评分模型

二、填空题（每题2分，共20分）

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

2.支持向量机（SVM）的核心思想是寻找________的超平面。

3.梯度下降算法中，每次仅用一个样本计算梯度的方法称为________。

4.LSTM（长短期记忆网络）通过________、遗忘门和输出门控制信息流动。

5.决策树中，信息增益的计算公式为________（用H表示熵）。

6.生成对抗网络（GAN）由生成器（Generator）和________组成。

7.在协同过滤推荐系统中，基于用户的协同过滤（User-CF）依赖于________的相似性。

8.自然语言处理中，词嵌入（WordEmbedding）的作用是将离散的词语映射到________。

9.深度学习中，BatchNormalization（BN）层的主要功能是________。

10.强化学习的三要素是状态（State）、动作（Action）和________。

三、简答题（每题8分，共40分）

1.解释“欠拟合”（Underfitting）的定义、产生原因及解决方法。

2.对比随机森林（RandomForest）与梯度提升树（GBDT）在原理和应用上的差异。

3.说明Transformer模型中“多头注意力”（Multi-HeadAttention）的作用。

4.列举并解释三种常用的模型评估指标（需覆盖分类、回归、排序任务）。

5.简述如何通过早停法（EarlyStopping）和正则化（Reg