使用说明：本文按原文件顺序整理题目，并补充判定依据。原文件提示平台可能随机调整题目和选项，提交时应以题干含义核对，不要只记选项字母。
核对提示：凡原文件缺图、缺选项、缺答案或参考答案存在明显疑点，正文均单独标出，不把无法验证的信息写成确定结论。
一、2026年春江苏开放大学神经网络与深度学习作业一单选题
1. 下列关于Lasso回归和岭回归的说法错误的是？
- A. Lasso回归在误差函数上增加的正则化项是模型参数的L1范数
- B. 相⽐于Lasso回归，岭回归更易出现稀疏解
- C. Lasso回归和岭回归均是在误差函数上增加⼀个正则化项
- D. 岭回归在误差函数上增加的正则化项是模型参数的L2范数的平⽅
原资料参考答案：B
解题思路：Lasso 在损失上加入 L1 正则，容易把部分系数压到 0，因而更容易得到稀疏解；岭回归用 L2 平方，只会整体收缩系数。故“岭回归更易稀疏”错误。
2. 在其他条件不变的前提下，以下哪种做法容易引起机器学习中的过拟合问题？
- A. 减少神经⽹络隐藏层节点数
- B. 删除稀疏的特征
- C. 增加训练集数量
- D. 减少正则化的强度
原资料参考答案：D
解题思路：减弱正则化会放松对模型复杂度的约束，使模型更容易贴合训练噪声，方差上升，从而增加过拟合风险。其余做法通常降低模型复杂度或增加有效数据。
3. 下列关于⽀持向量机说法错误的是？
- A. ⽀持向量机的分类边界与全体数据点有关
- B. ⽀持向量机模型可以通过核⽅法来处理线性不可分的数据
- C. ⽀持向量机（Support Vector Machine,SVM）属于有监督学习的分类模型，并⼴泛应⽤于统计分类及回归分析中
- D. SVM构建了⼀个或多个⾼维（甚⾄是⽆限维的）超平⾯来分割样本点，这个超平⾯即为分类边界
原资料参考答案：A
解题思路：训练完成后，最大间隔超平面主要由支持向量决定，远离间隔边界的数据点通常不影响分类边界，所以“与全体数据点有关”表述过强。
4. 下列关于多层感知机MLP的说法，不正确的是（）
- A. MLP各层之间的神经元连接⽅式为全连接
- B. MLP的常⽤激活函数有Sigmoid函数，tanh函数，ReLU函数等
- C. MLP通常使⽤反向传播算法来进⾏监督学习
- D. 增加MLP的隐藏层层数会增强MLP的表示能⼒，因此测试误差便⼀定会减⼩，预测能⼒也会更强
原资料参考答案：D
解题思路：增加隐藏层会提高表示能力，但也提高优化难度和过拟合风险；测试误差取决于数据、正则化和训练过程，并不会必然下降。
5. 下列对于机器学习一般方法的叙述，错误的是？
- A. 无监督学习算法训练含有很多特征的数据集，然后学习出这个数据集上有用的结构性质
- B. 深度学习属于监督学习的一种，目前常用多层神经网络的方法进行训练
- C. 强化学习算法会和环境进行交互，学习系统和它的训练过程会有反馈回路
- D. 监督学习算法训练含有很多特征的数据集，不过数据集中的样本都有一个标签（label）或目标（target）
原资料参考答案：B
解题思路：深度学习是一组以多层表示学习为核心的方法，可用于监督、无监督、自监督和强化学习，不是监督学习的一个单一子类，因此 B 的限定错误。
6. 下列算法中属于⽆监督学习算法的是？
- A. SVM
- B. Logisitic Regression
- C. K-means
- D. KNN
原资料参考答案：C
解题思路：K-means 只利用样本间距离和簇中心迭代，不依赖人工标签，属于无监督聚类；SVM、逻辑回归和常见 KNN 分类均需要标签。
7. 以下哪⼀个不是深度学习在近⼏年获得⻜速发展的原因？
- A. 更多优秀的⽹络结构和并⾏运算的发展
- B. 感知机模型的提出
- C. 更多稳健的优化算法和深度学习平台的发展
- D. 更好的⾮线性激活函数和新的正则化技术的发展
原资料参考答案：B
解题思路：感知机提出很早，并非近年深度学习加速发展的直接条件；近年的关键因素包括算力、数据、网络结构、优化方法、激活函数和训练平台。
8. 下列降维⽅法中不属于⽆监督学习的是？
- A. 线性判别分析（LDA）
- B. 局部线性嵌⼊（LLE）
- C. 主成分分析（PCA）
- D. 多维尺度变换（MDS）
原资料参考答案：A
解题思路：LDA 利用类别标签最大化类间可分性，属于监督降维；PCA、LLE、MDS 可以仅根据无标签数据的结构完成降维。
9. 最后输出为z，其中f（m）为Sigmoid函数，计算的值为（）
- A. f(xy+2x)(1−f(xy+2x))
- B. (y+2)f(xy+2x)(1−f(xy+2x))
- C. xf(xy+2x)(1−f(xy+2x))
- D. xf(xy+2x)
原资料参考答案：C
解题思路：若 z=f(xy+2x)，对 y 求导时先用 Sigmoid 导数 f(u)(1-f(u))，再乘内层 u=xy+2x 对 y 的导数 x，得到 x·f(u)·(1-f(u))。
10. 下⾯关于ID3算法说法错误的是？
- A. ID3算法是⼀个⼆叉树模型
- B. 选取信息增益最⼤的特征，作为树的根节点
- C. ID3算法要求特征必须离散化
- D. 信息增益可以⽤熵，⽽不是GINI系数来计算
原资料参考答案：A
解题思路：ID3 可按离散特征的多个取值产生多分支，并不天然限定为二叉树；它以熵计算信息增益并选择增益最大的离散特征。
11. 不会对K-means算法产⽣影响的因素是？
- A. 样本输⼊顺序
- B. 初始类中⼼的选取
- C. 模式相似性测度
- D. 聚类准则
解题思路：原资料未标注答案。按标准批量 Lloyd K-means，给定初始中心、距离度量和目标准则后，单纯改变样本输入顺序通常不改变一次批量分配结果，因此建议选 A；在线或存在并列距离的具体实现可能对顺序敏感。
文章评论