一、单选题#

1. 下列关于线性模型描述中正确的是哪个 A. 线性模型既可以处理回归任务，也可以处理分类任务 B. 线性模型通过投票或加权平均法可以得到非线性模型 C. 线性模型无法拟合输入呈指数关系的输出 D. 线性模型的表达能力与神经网络相同

2. 下列关于机器学习的说法错误的是 A. 模型是通过学习算法得到的 B. 机器学习通常解决高度不确定性和复杂性的问题 C. 分类和回归是监督学习的代表 D. 机器学习一定要需要类别标记

4. 下列关于归纳偏好的说法错误的是 A. 机器学习算法在学习过程中对某种类型假设的偏好，称为“归纳偏好”，或简称为“偏好” B. 一般来说，任何一个有效的机器学习算法都有其归纳偏好 C. “奥卡姆剃刀”原则在某些情况下可以指导我们选择偏好 D. 在任何情况下，总有一个最优的学习算法

5. 在训练集上的误差被称作 A. 泛化误差 B. 经验误差 C. 测试误差 D. 以上三个选项都不对

6. 当学习任务对数据分布的轻微变化比较鲁棒且数据量较少时，适合使用什么样的数据集划分方式？ A. 留出法 B. 交叉验证法 C. 自助法 D. 以上三个选项都不对

7. 我们通常将数据集划分为训练集，验证集和测试集进行模型的训练，参数的验证需要在__上进行，参数确定后__重新训练模型。 A. 训练集 需要 B. 训练集 不需要 C. 验证集 需要 D. 验证集 不需要

9. 如果二元分类的输出是概率值，设定输出概率大于或等于 0.5，则预测为正类；若输出概率小于 0.5，则预测为负类。那么，如果将阈值 0.5 提高，例如 0.6，大于或等于 0.6 的才预测为正类。则准确率 (Precision) 和召回率 (Recall) 会发生什么变化? A. 查准率上升或不变，查全率下降或不变 B. 查准率下降或不变，查全率下降或不变 C. 查准率上升或不变，查全率上升或不变 D. 查准率下降或不变，查全率上升或不变

10. 对于留出法，下列说法正确的是 A. 测试集小的时候，评估结果的方差较大 B. 训练集小的时候，评估结果的偏差较大 C. 留出法需要对数据集进行多次切分，并将结果取平均值 D. 以上说法均正确

11. 决策树划分时，若当前结点包含的样本集合为空，则应该怎么做? A. 将节点标记为叶节点，其类别标记为父节点中样本最多的类 B. 将节点标记为叶节点，其类别标记为父节点中样本最少的类 C. 将节点标记为叶节点，其类别标记为父节点中任意一个类 D. 从其他节点获得样本，继续进行划分

12. 下列说法错误的是 A. 信息增益准则对可取值较少的属性有所偏好 B. C4.5算法并不是直接选择增益率最大的候选划分属性 C. 基尼指数反映了从数据集中随机抽取两个样本，其类别标记… (题目截图不完整) D. 基尼指数越小，数据集的纯度越高

13. 关于剪枝，下列说法错误的是 A. 对于同一棵树，进行预剪枝和后剪枝得到的决策树是一样的 B. 决策树的剪枝算法可以分为两类，分别称为预剪枝和后剪枝 C. 预剪枝在树的训练过程中通过停止划分对树的规模进行限制 D. 后剪枝先构造出一棵完整的树，然后通过某种规则消除掉部分分支节点

14. 假设使用逻辑回归进行 n 多类别分类，使用 One-vs-rest 分类法。下列说法正确的是？ A. 对于 n 类别，需要训练 n 个模型 B. 对于 n 类别，需要训练 n-1 个模型 C. 对于 n 类别，只需要训练 1 个模型 D. 以上说法都不对

---

二、填空题#

1. 根据训练数据是否拥有标记信息，学习任务可大致划分为两大类，监督学习和______。

3. 对于从数据 (0,1), (1,0), (1,2), (2,1) 通过最小二乘拟合的不带偏置项的线性模型… 为______ (保留三位小数)。 (注：题目后半部分在图片中未完全显示)

4. 使用留出法对数据集进行划分时，为了保持数据分布的一致性… (注：题目在图片中显示不全，通常指分层采样/Stratified sampling)

5. 若数据集的属性全为离散值，决策树学习时，______ (可以/不可以) 把用过的属性… (注：题目在图片中显示不全)

6. Sigmoid函数在一点的函数值总是______ (大于/等于/小于/无法确定) 该点的导数。

7. 决策树处理有缺失值样本时，一个样本在各子节点中的权重和为______ (保留一位小数)。

10. 具有10个隐层结点的单隐层网络在处理输入维度为6维的三分类任务时 (有3个输出层结点)，网络中共有______ (填写一个整数) 个参数。

10. 具有10个叶结点的二叉树中有 () 个度为2的结点。 (注：此处试卷序号可能有重复)

---

三、计算题 (根据最后一张图片整理)#

1. 使用公式正确 (2分) 计算正确 (2分)

$$SSE = (-0.2)^2 + (0.4)^2 + (-0.8)^2 + (1.3)^2 + (-0.7)^2 = 3.02$$

2. (本小题 8 分) 已知逻辑回归模型得到一组逻辑回归结果，要求： (1) 假设阈值为 0.6，写出预测结果。(2分)

逻辑回归结果	逻辑回归预测结果	真实结果
0.40	0	1
0.65	1	0
0.20	0	0
0.80	1	1
0.70	1	1

(2) 计算出损失函数的值 (即真实值与预测值之间的损失值)。(6分)

• 样本 1 为正样本，损失为：$1 \times \log(0.4)$
• 样本 2 为负样本，损失为：$(1-0) \times \log(1-0.65)$
• 样本 3 为负样本，损失为：$(1-0) \times \log(1-0.2)$
• 样本 4 为正样本，损失为：$1 \times \log(0.8)$
• 样本 5 为正样本，损失为：$1 \times \log(0.7)$

(以上过程 4分：公式错误 1处 1分，扣完 2分 为止，计算错误 1处 1分，扣完 2分 为止)

总损失函数 =$\log(0.4) + \log(0.35) + \log(0.8) + \log(0.8) + \log(0.7)$

或总损失函数 =$-(\log(0.4) + \log(0.35) + \log(0.8) + \log(0.8) + \log(0.7))$

• 以 10 为底结果 = -1.2026 或 1.2026
• 以 2 为底结果 = -3.9949 或 3.9949
• 以 e 为底结果 = -2.7691 或 2.7691 (2分，其中公式 1分，计算 1分)