17年考研真题及答案2025.docVIP

17年考研真题及答案2025

一、单项选择题（每题2分，共10题）

1.下列哪一项不是数据挖掘的功能？

A.关联规则挖掘

B.分类

C.聚类

D.数据压缩

答案：D

2.决策树算法中，用于选择最佳分裂属性的方法是？

A.信息增益

B.信息增益率

C.基尼不纯度

D.以上都是

答案：D

3.在贝叶斯分类中，朴素贝叶斯假设特征之间是？

A.相关的

B.独立的

C.线性的

D.非线性的

答案：B

4.下列哪一种算法是用于无监督学习的？

A.决策树

B.逻辑回归

C.K-means聚类

D.线性回归

答案：C

5.在关联规则挖掘中，支持度和置信度的含义分别是？

A.支持度表示项集在数据集中出现的频率，置信度表示项集A出现时项集B也出现的概率

B.支持度表示项集A出现时项集B也出现的概率，置信度表示项集在数据集中出现的频率

C.支持度表示项集B出现时项集A也出现的概率，置信度表示项集在数据集中出现的频率

D.支持度表示项集在数据集中出现的频率，置信度表示项集B出现时项集A也出现的概率

答案：A

6.在神经网络中，用于衡量网络输出与实际输出之间差异的函数是？

A.损失函数

B.激活函数

C.归一化函数

D.正则化函数

答案：A

7.在支持向量机中，用于控制分类器间隔的参数是？

A.C

B.σ

C.ε

D.γ

答案：A

8.在PCA（主成分分析）中，主要目的是？

A.降低数据的维度

B.增加数据的维度

C.增强数据的噪声

D.减少数据的方差

答案：A

9.在自然语言处理中，用于将文本转换为数值向量的方法是？

A.词袋模型

B.主题模型

C.语义角色标注

D.命名实体识别

答案：A

10.在深度学习中，用于优化模型参数的方法是？

A.梯度下降

B.随机梯度下降

C.牛顿法

D.以上都是

答案：D

二、多项选择题（每题2分，共10题）

1.下列哪些是数据挖掘的常见任务？

A.分类

B.聚类

C.关联规则挖掘

D.回归分析

E.主成分分析

答案：A,B,C

2.决策树算法的优点包括？

A.易于理解和解释

B.可以处理数值和类别数据

C.对噪声数据不敏感

D.计算复杂度低

E.可以处理缺失值

答案：A,B,E

3.贝叶斯分类的缺点包括？

A.需要大量的训练数据

B.对特征独立性假设敏感

C.无法处理高维数据

D.对缺失值敏感

E.计算复杂度高

答案：B,D

4.下列哪些是无监督学习算法？

A.K-means聚类

B.层次聚类

C.DBSCAN聚类

D.主成分分析

E.系统聚类

答案：A,B,C,D,E

5.关联规则挖掘中，常用的评估指标有？

A.支持度

B.置信度

C.提升度

D.鲁棒性

E.偏度

答案：A,B,C

6.神经网络的组成部分包括？

A.输入层

B.隐藏层

C.输出层

D.激活函数

E.损失函数

答案：A,B,C,D,E

7.支持向量机中，常用的核函数有？

A.线性核

B.多项式核

C.RBF核

D.Sigmoid核

E.交叉核

答案：A,B,C,D

8.PCA的主要步骤包括？

A.数据标准化

B.计算协方差矩阵

C.计算特征值和特征向量

D.选择主成分

E.数据降维

答案：A,B,C,D,E

9.自然语言处理中，常用的文本预处理方法有？

A.分词

B.去停用词

C.词性标注

D.词形还原

E.实体识别

答案：A,B,C,D,E

10.深度学习的常用优化算法有？

A.梯度下降

B.随机梯度下降

C.Adam

D.RMSprop

E.Adagrad

答案：A,B,C,D,E

三、判断题（每题2分，共10题）

1.决策树算法是一种非参数学习方法。

答案：正确

2.贝叶斯分类假设特征之间是独立的。

答案：正确

3.K-means聚类算法对初始聚类中心的选择敏感。

答案：正确

4.关联规则挖掘中的支持度表示项集在数据集中出现的频率。

答案：正确

5.神经网络中的激活函数用于引入非线性。

答案：正确

6.支持向量机中的核函数用于将数据映射到高维空间。

答案：正确

7.PCA的主要目的是增加数据的维度。

答案：错误

8.词袋模型将文本转换为数值向量。

答案：正确

9.深度学习中的Adam优化算法是一种自适应学习率优化算法。

答案：正确

10.无监督学习算法不需要训练数据。

答案：正确

四、简答题（每题5分，共4题）

1.简述决策树算法的基本原理。

答案：决策树算法是一种基于树形结构进行决策的机器学习方法。它通过递归地选择最佳属性对数据进行划分，从而