生成式人工智能系统应用员四级中级工 详细题库

机器学习知识 题目预览

• 第 1 题 单选题
  在机器学习中，用于调整模型超参数的数据集通常被称为（ ）。
  • A. 训练集
  • B. 测试集
  • C. 验证集
  • D. 交叉验证集
  解析：验证集用于在训练过程中调整超参数，以评估模型在不同超参数下的表现。
• 第 2 题 单选题
  当模型过于简单，无法捕捉数据中的模式时，这种现象称为（ ）。
  • A. 过拟合
  • B. 欠拟合
  • C. 高方差
  • D. 低偏差
  解析：欠拟合指模型未充分学习训练数据中的规律，导致训练误差和测试误差均较高。
• 第 3 题 单选题
  在监督学习中，用于指导模型更新的目标函数通常称为（ ）。
  • A. 损失函数
  • B. 激活函数
  • C. 优化函数
  • D. 正则化函数
  解析：损失函数衡量模型预测值与真实值之间的差异，通过最小化损失函数来更新模型参数。
• 第 4 题 单选题
  在分类问题中，当类别不平衡时，更常用的评价指标是（ ）。
  • A. 准确率
  • B. 精确率
  • C. 召回率
  • D. F1分数
  解析：F1分数综合了精确率和召回率，能更公平地评估不平衡类别下的模型性能。
• 第 5 题 判断题
  在机器学习中，训练集和测试集必须互不相交，以避免信息泄露导致模型评估结果过于乐观。
  • A. 对
  • B. 错
  解析：若训练集与测试集有交集，模型可能直接记忆测试数据，导致评估结果虚高，丧失泛化能力。
• 第 6 题 判断题
  线性回归模型只能用于处理线性关系的数据，无法处理非线性关系。
  • A. 对
  • B. 错
  解析：通过引入多项式特征、核技巧或特征变换，线性回归模型可以拟合非线性关系。
• 第 7 题 多选题
  下列属于无监督学习任务的有（ ）。
  • A. 聚类
  • B. 分类
  • C. 回归
  • D. 降维
  • E. 关联规则挖掘
  解析：聚类、降维和关联规则挖掘均无需标注数据，属于无监督学习；分类和回归属于监督学习。
• 第 8 题 多选题
  在机器学习中，防止过拟合的常用方法有（ ）。
  • A. 增加训练数据量
  • B. 使用更复杂的模型
  • C. 正则化
  • D. 交叉验证
  • E. 减少模型参数
  解析：增加数据量、正则化、交叉验证和减少模型参数均可抑制过拟合；使用更复杂模型反而会加剧过拟合。