【样题展示】（了解考试的题型）
一、单选题（5 题）
1. 机器学习按学习方式通常分为哪三大类（ ）
A. 监督学习、无监督学习、强化学习 B. 深度学习、机器学习、强化学习 C. 分类、回归、聚类 D. 训练、验证、测试
✅ 答案：A ? 解析： 三大学习范式：监督学习（有标签）、无监督学习（无标签）、强化学习（奖励驱动）。分类/回归/聚类是任务类型，不是学习范式划分。
2. 在神经网络中，引入非线性、使网络能够拟合复杂函数的关键组件是（ ）
A. 激活函数 B. 损失函数 C. 优化器 D. 批量归一化
✅ 答案：A ? 解析： 激活函数（如 ReLU、Sigmoid、Tanh）提供非线性；若去掉激活，多层线性变换叠加仍是线性映射，无法拟合复杂模式。
3. 模型在训练集上表现很好、在测试集上表现很差，这种现象称为（ ）
A. 欠拟合 B. 过拟合 C. 梯度消失 D. 数据泄漏
✅ 答案：B ? 解析： 过拟合=训练误差低但泛化误差高；欠拟合是训练集都学不好；梯度消失是深层网络训练难题；数据泄漏会导致评估指标虚高。
4. 神经网络训练中，用于计算损失对参数的梯度并更新权重的核心算法是（ ）
A. 反向传播（Backpropagation）配合梯度下降 B. K-Means C. 决策树分裂 D. 主成分分析（PCA）
✅ 答案：A ? 解析： 反向传播用链式法则求梯度，再经梯度下降（或其变体）更新权重；K-Means 是聚类，决策树/PCA 与神经网络权重更新无关。
5. 卷积神经网络（CNN）最擅长处理的数据类型是（ ）
A. 长时序序列 B. 图像 C. 关系图 D. 稀疏高维表格
✅ 答案：B ? 解析： CNN 通过卷积核提取局部空间特征，天然适合图像；序列常用 RNN/Transformer，图数据常用 GNN。
二、多选题（3 题）
6. 下列属于监督学习典型任务的有（ ）
A. 分类（如垃圾邮件识别） B. 回归（如房价预测） C. 聚类（如客户分群） D. 降维（如 PCA）
✅ 答案：A、B ? 解析： 分类、回归使用带标签数据，属监督学习；聚类、降维无需标签，属无监督学习。
7. 下列属于常用深度学习框架的有（ ）
A. TensorFlow B. PyTorch C. Keras D. PaddlePaddle（飞桨）
✅ 答案：A、B、C、D ? 解析： 四个均为主流深度学习框架：TensorFlow/PyTorch 最常用，Keras 为高层封装，PaddlePaddle 是国产飞桨框架。
8. 下列哪些方法可用于缓解过拟合（ ）
A. 正则化（L1/L2） B. Dropout C. 数据增强 D. 提前停止（Early Stopping）
✅ 答案：A、B、C、D ? 解析： 四种都是常见防过拟合手段：正则化惩罚大权重、Dropout 随机失活神经元、数据增强扩充样本、早停在验证集变差前终止训练。
三、判断题（2 题）
9. 强化学习通过智能体与环境交互、以奖励（Reward）信号引导，学习最优策略。（ ）
✅ 答案：正确（√） ? 解析： 强化学习核心是 agent-environment 交互并最大化累积奖励，典型应用如 AlphaGo、游戏 AI、机器人控制。
10. 决策树只能用于分类任务，不能用于回归任务。（ ）
✅ 答案：错误（×） ? 解析： 决策树既可做分类（CART 分类树，以基尼/熵分裂），也可做回归（CART 回归树，以均方误差分裂、叶节点输出均值）。
【练习题库】（了解怎么进入）
1、手机端同电脑端都支持进入练习题库练习（每次进入随机刷新50道练习题）
2、手机端：进入赛氪app——点击我的——找到报名的本场竞赛——点击报名管理——进入后点击考场查看——即可看到对应的赛道入口——点击立即进入——即可看到练习题库入口（电脑端进入赛氪官网，登录自己的报名的账号，流程一致）