一、單項選擇題（本大題共 25 小題）

1、根據湯姆?米切爾（Tom Mitchell）對機器學習的定義，一個計算機程序從經驗 E 中學習，針對任務 T 和性能指標 P，其學習效果表現為（ ）。

① 程序在 T 上的性能隨著 E 的增加而保持不變

② 程序在 T 上的性能隨著 E 的增加而提高

③ 程序在 T 上的性能隨著 E 的增加而降低

④ 程序在 T 上的性能與 E 無關

2、機器學習的三要素通常不包括以下哪一項？（ ）

① 數據（經驗 E 的載體）

② 模型（任務 T 的實現者）

③ 學習過程（性能 P 的提升途徑）

④ 硬件計算能力

3、以下關于監督學習與無監督學習的描述，正確的是（ ）。

① 監督學習使用無標簽數據，無監督學習使用有標簽數據

② 監督學習的目標是發現數據中的隱藏結構，無監督學習的目標是預測標簽

③ 監督學習的訓練數據包含輸入特征與對應的標簽，無監督學習的訓練數據不包含標簽

④ 監督學習只能處理分類問題，無監督學習只能處理回歸問題

4、在機器學習任務劃分中，房價預測（預測具體價格）屬于（ ）。

① 分類任務

② 回歸任務

③ 聚類任務

④ 降維任務

5、在 Scikit-learn 鳶尾花分類問題中，需要判斷一朵花屬于“山鳶尾”“變色鳶尾”還是“維吉尼亞鳶尾”，這屬于（ ）。

① 二分類任務

② 多分類任務

③ 回歸任務

④ 無監督學習任務

6、以下關于特征矩陣 X 和目標數組 y 的描述，正確的是（ ）。

① X 通常是一維數組，y 是二維矩陣

② X 的形狀為 [n_samples, n_features]，y 的形狀為 [n_samples]

③ X 和 y 的形狀必須完全相同

④ y 的形狀為 [n_features, n_samples]

7、強化學習與其他機器學習范式（監督學習、無監督學習）的主要區別在于（ ）。

① 強化學習需要大量帶標簽的數據

② 強化學習通過智能體與環境交互、試錯并獲得獎勵來學習最優策略

③ 強化學習只能用于分類任務

④ 強化學習不需要定義獎勵函數

8、以下關于線性回歸中最小二乘法的描述，正確的是（ ）。

① 最小二乘法最大化所有樣本點到直線的距離之和

② 最小二乘法最小化所有樣本真實值與模型預測值之間的殘差平方和

③ 最小二乘法需要隨機梯度下降法才能求解

④ 最小二乘法只能求解一元線性回歸，不能求解多元線性回歸

9、在 Scikit-learn 中，使用線性回歸模型的核心代碼是 model = LinearRegression()，然后訓練模型的正確方法是（ ）。

① model.predict(X_train, y_train)

② model.fit(X_train, y_train)

③ model.train(X_train, y_train)

④ model.learn(X_train, y_train)

10、關于多項式回歸，下列說法錯誤的是（ ）。

① 多項式回歸是線性回歸的一種擴展，可以擬合非線性關系

② 通過 PolynomialFeatures 生成高次項特征，再使用線性回歸求解

③ 多項式的階數越高，模型擬合能力越強，因此階數越高越好

④ 階數過高容易導致過擬合

11、K 近鄰（KNN）算法的核心思想是（ ）。

① 構建復雜的決策樹來分類

② 通過尋找與待分類樣本最相似的 K 個鄰居，根據它們的類別進行投票決策

③ 使用線性方程擬合數據

④ 通過梯度下降法優化參數

12、在 KNN 算法中，K 值的選擇對分類結果有重要影響。當 K 值過小時，容易導致（ ）。

① 模型欠擬合，分類邊界過于平滑

② 模型對噪聲數據敏感，容易過擬合

③ 計算量急劇增加

④ 無法使用歐氏距離

13、以下關于決策樹中“熵”的描述，正確的是（ ）。

① 熵衡量數據的不確定性，熵值越大，數據越“純凈”

② 熵的取值范圍是 [0, +∞)，值越大表示越混亂

③ 熵為 0 時表示所有樣本屬于同一類別（完全確定）

④ 熵與信息增益無關

14、決策樹構建過程中，選擇某個特征作為當前節點分裂依據的常用標準是（ ）。

① 最大化該特征的信息增益

② 最小化該特征的取值個數

③ 最大化該特征的方差

④ 最小化該特征的熵

15、以下哪個是決策樹算法中用于控制模型復雜度、防止過擬合的關鍵參數？（ ）

① n_neighbors

② max_depth（最大深度）

③ learning_rate

④ n_components

16、關于無監督學習中的聚類，下列說法正確的是（ ）。

① 聚類需要帶標簽的數據來指導學習

② 聚類的目標是將數據集劃分為若干個簇，使得簇內樣本相似度高，簇間樣本相似度低

③ K 均值聚類中，K 值不需要預先指定，算法會自動確定

④ 聚類只能用于圖像分割，不能用于客戶細分

17、K 均值聚類的迭代過程中，每次更新簇中心的方法是（ ）。

① 隨機選取新的樣本點作為中心

② 計算簇內所有樣本的均值作為新的中心

③ 選取簇內距離最遠的兩個點的中點作為新中心

④ 保持中心不變

18、以下關于主成分分析（PCA）的描述，錯誤的是（ ）。

① PCA 是一種有監督的降維方法，需要使用標簽信息

② PCA 的目標是找到數據方差最大的方向作為主成分

③ PCA 可以用于數據可視化，將高維數據降到 2 維或 3 維

④ PCA 通過線性投影實現降維

19、在 Scikit-learn 中，使用 PCA 對數據進行降維的代碼通常是（ ）。

① from sklearn.decomposition import PCA；pca = PCA(n_components=2)；X_new = pca.fit_transform(X)

② from sklearn.manifold import PCA；pca = PCA(n_components=2)；X_new = pca.fit(X)

③ from sklearn.preprocessing import PCA；pca = PCA()；X_new = pca.predict(X)

④ from sklearn.dim_reduction import PCA；pca = PCA(k=2)；X_new = pca.fit_predict(X)

20、在模型評估中，將數據集劃分為訓練集和測試集的目的是（ ）。

① 讓模型只學習測試集，提高準確率

② 用訓練集訓練模型，用測試集評估模型的泛化能力，避免過擬合

③ 增加數據的數量

④ 減少計算量

21、以下關于交叉驗證（Cross-Validation）的描述，正確的是（ ）。

① 交叉驗證只能用于分類任務，不能用于回歸

② 5 折交叉驗證將數據分成 5 份，輪流用其中 4 份訓練、1 份測試，重復 5 次

③ 交叉驗證會增加訓練數據量，因此一定會提升模型性能

④ 交叉驗證不需要在每一折中區分訓練部分和驗證部分

22、在二分類問題中，混淆矩陣中“真正例”（TP）表示（ ）。

① 負類樣本被正確預測為負類

② 負類樣本被錯誤預測為正類

③ 正類樣本被正確預測為正類

④ 正類樣本被錯誤預測為負類

23、精確率（Precision）和召回率（Recall）的定義分別是（ ）。

① Precision = TP/(TP+FP)，Recall = TP/(TP+FN)

② Precision = TP/(TP+FN)，Recall = TP/(TP+FP)

③ Precision = TN/(TN+FP)，Recall = TN/(TN+FN)

④ Precision = (TP+TN)/(TP+TN+FP+FN)，Recall = TP/(TP+FP)

24、在 Scikit-learn 中，計算分類模型準確率的函數是（ ）。

① sklearn.metrics.accuracy_score

② sklearn.metrics.precision_score

③ sklearn.metrics.recall_score

④ sklearn.metrics.f1_score

25、以下關于過擬合與欠擬合的描述，正確的是（ ）。

① 過擬合是指模型在訓練集上表現差，在測試集上也差

② 欠擬合是指模型在訓練集上表現好，但在測試集上表現差

③ 過擬合可以通過增加模型復雜度（如增加決策樹深度）來緩解

④ 欠擬合可以通過增加模型復雜度或提取更多有效特征來緩解

二、編程填空題（本大題共 8 小題）

1、已知數據集 X（一維特征）和 y（目標值），需要先用 PolynomialFeatures 生成二階多項式特征，再用 LinearRegression 訓練。請補全以下代碼。

2、要求實現一個簡化的 KNN 分類器（不使用 sklearn.neighbors），補全以下代碼，完成距離計算和投票過程。

3、請補全代碼，使用 5 折交叉驗證評估線性回歸模型的負均方誤差（negative mean squared error），并輸出各折的得分及平均值。

4、使用 KMeans 對數據進行聚類，并計算輪廓系數（Silhouette Score）。請補全代碼。

5、對鳶尾花數據集進行 PCA 降維到 2 維，然后使用 Matplotlib 繪制散點圖，不同類別用不同顏色。請補全 PCA 降維部分的代碼。

6、訓練決策樹分類器，分別設置不同的最大深度，并計算訓練集和測試集上的準確率，以觀察過擬合現象。請補全代碼。

7、補全以下代碼，實現手寫數字數據集的加載、預處理、訓練/測試集劃分、KNN 分類、以及準確率、精確率、召回率、F1 分數的計算（使用宏平均）。

8、給定混淆矩陣 cm，請補全函數 precision_recall_from_cm，分別計算所有類別的平均精確率和平均召回率（宏平均）。假設 cm[i][j] 表示真實類別 i 被預測為類別 j 的樣本數。

“點贊有美意，贊賞是鼓勵”