视频加载失败

第7章 人工智能核心技术-机器学习到深度学习

3828 字
19 分钟
第7章 人工智能核心技术-机器学习到深度学习

人工智能第七章 课程练习题(含答案解析)#

一、单选题#

1. 下列关于机器学习的描述,哪一项最准确? (单选题)

  • A. 机器学习是一种让计算机按固定规则执行任务的编程方法
  • B. 机器学习是人工智能的核心驱动力,让机器能够像人类一样从数据中学习经验,提升自身性能
  • C. 机器学习是一种数据库管理技术,用于高效存储和检索数据
  • D. 机器学习是让计算机完全取代人类决策的一种技术

答案: B

解析: 课程明确指出:机器学习是人工智能的核心驱动力,让机器从数据中学习经验,提升性能。

2. 课程中以垃圾邮件过滤系统说明机器学习的作用,以下描述正确的是? (单选题)

  • A. 垃圾邮件过滤系统通过人工编写规则来判断是否为垃圾邮件
  • B. 垃圾邮件过滤系统通过学习大量邮件数据,精准识别垃圾邮件的特征
  • C. 垃圾邮件过滤系统通过关键词匹配来进行过滤
  • D. 垃圾邮件过滤系统只能过滤已知发件人的垃圾邮件

答案: B

解析: 系统通过学习大量邮件数据,精准识别垃圾邮件特征,自动拦截。

3. 课程中提到的机器学习应用领域不包括以下哪一项? (单选题)

  • A. 医疗疾病诊断
  • B. 金融风险预测与量化投资
  • C. 航空航天发动机设计
  • D. 智能交通

答案: C

解析: 课程中提到的应用领域包括医疗、金融、智能交通、电商推荐、工业制造等,航空航天发动机设计未提及。

4. 在机器学习数学基础中,向量的定义是什么? (单选题)

  • A. 一个单独的数字,表示样本的大小
  • B. 一组有序的数值,用于描述样本的特征
  • C. 两个样本之间的差值
  • D. 数据集中样本的总数量

答案: B

解析: 向量是一组有序的数值,每个元素代表样本的一个特征,是机器学习中描述样本的基本方式。

5. 在机器学习中,距离的主要作用是衡量什么? (单选题)

  • A. 数据集的规模大小
  • B. 算法的运行时间
  • C. 两个数据点(向量)之间的相似度
  • D. 模型的准确率

答案: C

解析: 距离衡量两个向量之间的关系,距离越近表示越相似,越远表示差异越大。

6. 课程中提到的欧式距离(欧几里得距离)计算的是什么? (单选题)

  • A. 两个向量在空间中的曼哈顿距离
  • B. 两个向量在空间中的直线距离
  • C. 两个向量之间的夹角余弦值
  • D. 两个向量的元素个数之差

答案: B

解析: 欧式距离计算两个向量在空间中的直线距离。课程以向量 A=[1,2,3]、B=[4,5,6]为例说明。

7. 关于监督学习,以下描述正确的是? (单选题)

  • A. 监督学习使用的数据不需要标注标签
  • B. 监督学习就像老师指导学生,训练数据需要进行标记
  • C. 监督学习只能处理分类问题,不能处理回归问题
  • D. 监督学习是效果最难评估的机器学习类型

答案: B

解析: 监督学习需要标记数据,就像老师指导学生,让计算机知道正确答案。包括分类和回归。

8. 监督学习主要包括哪两类任务? (单选题)

  • A. 聚类和关联规则
  • B. 分类和回归
  • C. 降维和特征提取
  • D. 生成和判别

答案: B

解析: 课程明确:监督学习包括分类(判断类别)和回归(预测连续值)。

9. 以下哪个是监督学习中回归任务的典型例子? (单选题)

  • A. 判断一封邮件是否为垃圾邮件
  • B. 根据房屋面积和数量预测房价
  • C. 将水果按种类自动分组
  • D. 发现超市中经常一起购买的商品

答案: B

解析: 房价预测是典型的回归任务,预测的是连续值。A 是分类,C 和 D 是无监督学习。

10. 关于无监督学习,以下描述错误的是? (单选题)

  • A. 无监督学习的数据没有标记标签
  • B. 无监督学习的任务包括聚类和关联规则挖掘
  • C. 无监督学习效果容易评估,因为有明确的正确答案
  • D. 无监督学习的数据输出值是未知的

答案: C

解析: 无监督学习没有正确答案,效果比较难评估。C 错误。

11. 无监督学习中的聚类是什么意思? (单选题)

  • A. 将带有标签的数据按类别分开
  • B. 根据数据特征将相似的数据自动分成不同小组
  • C. 预测连续的目标数值
  • D. 在数据中搜索特定的关键词

答案: B

解析: 聚类是根据特征自动分组,课程以未标注种类的水果自动分组为例说明。

12. 无监督学习的关联规则分析常用于什么场景? (单选题)

  • A. 人脸识别
  • B. 语音转文字
  • C. 超市购物篮分析——发现经常一起购买的商品
  • D. 自动驾驶

答案: C

解析: 课程以超市购物数据为例:发现哪些商品常被一起购买,为营销策略提供参考。

13. 关于迁移学习,最准确的理解是? (单选题)

  • A. 将数据从一台计算机迁移到另一台
  • B. 利用已学知识快速适应新领域,减少训练时间和数据量
  • C. 让模型完全遗忘旧知识,从头学习
  • D. 将多个小模型合并成一个大模型

答案: B

解析: 迁移学习侧重知识迁移,利用已有知识帮助学习新任务,可大大减少训练时间和数据量。

14. 强化学习中,智能体的目标是什么? (单选题)

  • A. 尽可能快地完成所有动作
  • B. 通过与环境交互,调整策略使累积奖励最大化
  • C. 收集尽可能多的训练数据
  • D. 模仿人类的所有行为

答案: B

解析: 智能体根据环境选择行动,环境给出奖励反馈,目标是调整策略使累积奖励最大化。

15. 迁移学习和强化学习的主要区别是什么? (单选题)

  • A. 迁移学习侧重知识迁移复用,强化学习侧重环境交互与试错优化
  • B. 迁移学习只能处理图像,强化学习只能处理文本
  • C. 两者没有本质区别,只是名称不同
  • D. 迁移学习需要更多数据,强化学习不需要任何数据

答案: A

解析: 课程明确对比:迁移学习重知识迁移,强化学习重交互试错、优化行为策略。

16. 关于线性回归算法,以下描述错误的是? (单选题)

  • A. 线性回归是一种预测连续值的算法
  • B. 原理是找到一条直线来最好地拟合数据点
  • C. 线性回归主要用于分类问题
  • D. 线性回归优点包括简单易懂、计算效率高、解释性强

答案: C

解析: 线性回归用于回归(预测连续值),不是分类问题。C 错误。

17. 支持向量机(SVM)引入核函数的主要目的是什么? (单选题)

  • A. 加快模型的计算速度
  • B. 将低维线性不可分数据映射到高维空间使其线性可分
  • C. 减少模型占用的内存
  • D. 自动生成更多训练数据

答案: B

解析: 核函数将低维数据映射到高维空间,使原本线性不可分的数据在高维空间中变得线性可分。

18. 关于决策树算法,以下描述正确的是? (单选题)

  • A. 决策树结构类似流程图,每个内部节点表示一个特征的判断条件
  • B. 决策树只能处理分类问题
  • C. 决策树要求数据必须完整无缺失
  • D. 决策树只适用于两个特征的数据集

答案: A

解析: 决策树如流程图,节点为特征判断条件。可处理分类和回归,即使有缺失数据也能处理。

19. K 近邻(KNN)算法中,新数据点类别的决定依据是什么? (单选题)

  • A. 随机选择一个类别
  • B. 根据距离最近的 K 个邻居的类别投票决定
  • C. 始终选择数据集中出现最多的类别
  • D. 根据数据点创建时间决定

答案: B

解析: KNN 在数据集中找到最近的 K 个邻居,按类别投票决定新数据点的类别。

20. 关于 K 均值(K-means)聚类算法,以下描述正确的是? (单选题)

  • A. 是一种监督学习算法
  • B. K 值不需要预先指定,算法会自动确定
  • C. 通过不断更新质心位置来优化聚类结果
  • D. 对初始质心选择不敏感

答案: C

解析: K-means 是无监督学习,需预先指定 K 值,对初始质心敏感。通过迭代更新质心优化聚类。

二、多选题#

1. 课程中将机器学习分为哪四大类? (多选题)

  • A. 监督学习
  • B. 无监督学习
  • C. 深度学习
  • D. 迁移学习
  • E. 强化学习
  • F. 对抗学习

答案: ABDE

解析: 四大分类:监督学习、无监督学习、迁移学习、强化学习。深度学习和对抗学习不在四大分类中。

2. 以下哪些是课程中提到的监督学习应用场景? (多选题)

  • A. 图像识别
  • B. 语音识别
  • C. 客户聚类分组
  • D. 垃圾邮件处理
  • E. 超市关联规则分析

答案: ABD

解析: 图像识别、语音识别、垃圾邮件处理属于监督学习。客户聚类和关联规则分析属于无监督学习。

3. 以下哪些属于无监督学习的典型应用? (多选题)

  • A. 根据水果特征自动分组(聚类)
  • B. 根据房价数据预测未来房价(回归)
  • C. 发现超市中经常一起购买的商品(关联规则)
  • D. 根据客户购买行为分组客户
  • E. 判断邮件是否为垃圾邮件(分类)

答案: ACD

解析: 聚类和关联规则属无监督学习。房价预测(回归)和垃圾邮件判断(分类)属监督学习。

4. 关于支持向量机(SVM),以下哪些描述正确? (多选题)

  • A. SVM 目标是找到最优分类超平面
  • B. 最优超平面使两类数据点之间的间隔最大
  • C. SVM 通过核函数可以处理非线性分类问题
  • D. SVM 在高维数据和小样本数据上表现较好
  • E. SVM 是一种无监督学习算法

答案: ABCD

解析: SVM 是监督学习算法,E 错误。其余四项均为课程中对 SVM 的正确描述。

5. 关于 K 均值(K-means)聚类算法,以下描述正确的是? (多选题)

  • A. K-means 是一种无监督学习算法
  • B. K 表示要聚类的数量,需预先指定
  • C. 通过不断更新质心位置优化聚类结果
  • D. 对初始质心的选择比较敏感
  • E. 可用于客户分类和市场分析

答案: ABCDE

解析: 全部正确。K-means 是无监督聚类算法,各项描述均为课程中讲解的内容。

6. 关于神经网络中的激活函数,以下描述正确的是? (多选题)

  • A. 激活函数为神经网络引入非线性因素
  • B. Sigmoid 函数能将结果映射到 0 和 1 之间,便于理解概率
  • C. 如果没有激活函数,多层神经网络也只是线性组合
  • D. 激活函数只存在于输入层
  • E. 激活函数使网络能够学习更复杂的模式

答案: ABCE

解析: 激活函数存在于隐藏层和输出层(不仅输入层),D 错误。其余均正确。

7. 卷积神经网络(CNN)在图像处理中的优势包括哪些? (多选题)

  • A. 能自动学习图像特征,无需人工手动设计特征
  • B. 卷积核参数共享,大大减少模型参数量
  • C. 局部连接特性,只处理局部数据,降低计算量
  • D. 具有较强泛化能力,在不同数据集和场景下表现好
  • E. 池化操作可以进一步减少数据量和提高鲁棒性

答案: ABCDE

解析: 以上全部为 CNN 在图像处理中的优势,课程中对每一项都有讲解。

8. 关于生成对抗网络(GAN),以下描述正确的是? (多选题)

  • A. GAN 由生成器(Generator)和判别器(Discriminator)两部分组成
  • B. 生成器的目标是生成逼真的假数据来欺骗判别器
  • C. 判别器的目标是提高辨别真假数据的能力
  • D. 生成器和判别器像两个对手互相博弈,不断提升能力
  • E. GAN 可用于图像风格转换(如白天转夜晚、照片转艺术画作)

答案: ABCDE

解析: 全部正确。课程详细讲解了 GAN 的组成、博弈机制和图像转换等应用。

三、简答题#

1. 请简述监督学习和无监督学习的主要区别,并各举一个实际应用的例子。

答:主要区别:(1)数据标注:监督学习的数据带有标签(已标记正确答案),无监督学习的数据没有标签。(2)学习目标:监督学习学习输入→输出的映射关系(分类/回归),无监督学习挖掘数据内在结构和模式(聚类/关联规则)。(3)评估难度:监督学习有正确答案,易于评估;无监督学习无标准答案,评估较困难。应用举例:- 监督学习:垃圾邮件过滤(分类)、房价预测(回归)- 无监督学习:客户分群(聚类)、超市购物篮分析(关联规则)

2. 请简述迁移学习和强化学习各自的核心特点,并说明它们的主要区别。

答:迁移学习核心特点:侧重知识迁移,利用已有领域学到的知识快速适应新领域,可大大减少训练时间和数据量。强化学习核心特点:智能体通过与环境的交互不断尝试,环境给出奖励/惩罚反馈,目标是调整策略使累积奖励最大化。主要区别:迁移学习重在知识复用和适应;强化学习重在与环境的动态交互和试错优化。

支持与分享

如果这篇文章对你有帮助,欢迎分享给更多人或打赏支持!

打赏
第7章 人工智能核心技术-机器学习到深度学习
https://gaodaxiu-blog.netlify.app/posts/guide/7人工智能核心技术-机器学习到深度学习/
作者
MuZhao
发布于
2026-10-03
许可协议
CC BY-NC-SA 4.0
Profile Image of the Author
MuZhao
Hello, I'm GaoDaXiu.
公告
欢迎来到我的博客!
分类
标签
最新动态
站点统计
文章
124
分类
25
标签
147
总字数
180,592
运行时长
0 天
最后活动
0 天前
站点信息
构建平台
Netlify CI
博客版本
Firefly v6.16.8
文章许可
CC BY-NC-SA 4.0
文章目录