北京航空航天大学《机器学习基础》试卷（A卷）
专业班级?????????????姓名?????????????????学号
题号
一
二
三
四
五
六
七
八
九
十
成绩
复核签字
得分
登分签字
说明：本试卷共大题，共100分；答题要求：按要求答题
考生须知:
1.姓名、学号、系、专业、年级、班级必须写在密封线内指定位置。
2.答案必须用蓝、黑色钢笔或圆珠笔写在试卷上，字迹要清晰，卷面要整洁，写在草稿纸上的一律无效。
一、单项选择题（每题2分，共20分）
以下哪种学习方式需要标注完整的训练数据？（）
A.监督学习
B.无监督学习
C.强化学习
D.半监督学习
以下哪项是特征工程中的降维技术？（）
A.标准化
B.主成分分析（PCA）
C.独热编码
D.数据归一化
决策树算法的关键属性选择指标不包括：（）
A.信息增益
B.基尼系数
C.欧氏距离
D.信息增益比
以下哪种算法属于集成学习方法？（）
A.逻辑回归
B.随机森林
C.支持向量机
D.朴素贝叶斯
深度学习模型训练中，梯度消失问题通常出现在：（）
A.浅层神经网络
B.深层神经网络
C.卷积神经网络
D.循环神经网络
以下哪种评估指标最适合二分类问题？（）
A.均方误差（MSE）
B.精确率-召回率曲线
C.交并比（IoU）
D.余弦相似度
民航气象数据预处理中，最可能采用的异常值处理方法是：（）
A.直接删除
B.中位数填充
C.线性插值
D.数据平滑
以下哪项不是梯度下降法的常见变体？（）
A.随机梯度下降（SGD）
B.批量梯度下降（BGD）
C.动量梯度下降（Momentum）
D.牛顿-拉夫逊法
在航空器冲突预测模型中，通常将冲突风险定义为：（）
A.分类问题
B.回归问题
C.聚类问题
D.关联规则挖掘
下列哪种算法常用于时间序列数据预测？（）
A.卷积神经网络（CNN）
B.循环神经网络（RNN）
C.决策树
D.支持向量机
二、多项选择题（每题3分，共15分）
机器学习中的正则化技术包括：（）
A.L1正则化
B.L2正则化
C.Dropout
D.BatchNormalization
E.交叉验证
以下属于监督学习任务的有：（）
A.航班延误预测
B.空域聚类分析
C.航空器轨迹分类
D.气象数据降维
E.跑道容量估计
深度学习模型的训练技巧包括：（）
A.数据增强
B.预训练
C.早停法（EarlyStopping）
D.学习率调整
E.梯度截断
民航领域中，机器学习的典型应用场景包括：（）
A.航班动态调度优化
B.航空器故障预测
C.空域冲突检测
D.航空气象预报
E.机场旅客流量预测
以下关于特征选择的描述，正确的有：（）
A.递归特征消除（RFE）是基于模型的方法
B.卡方检验属于基于统计的特征选择
C.互信息用于衡量特征与标签的相关性
D.主成分分析可用于特征提取
E.特征选择能降低模型复杂度
三、判断题（每题2分，共10分）
机器学习模型的泛化能力是指在训练集上的表现。（）
支持向量机（SVM）既可以解决分类问题，也能处理回归任务。（）
随机森林通过Bagging策略降低方差，提升模型稳定性。（）
梯度下降法的学习率越大，收敛速度一定越快。（）
在文本分类任务中，TF-IDF常用于特征编码。（）
过拟合问题可通过增加训练数据量或使用正则化缓解。（）
卷积神经网络（CNN）能直接处理图像和文本数据。（）
强化学习的核心是通过奖励机制学习最优策略。（）
交叉验证中的K折划分需确保各子集数据分布一致。（）
决策树的深度越深，模型的分类准确率一定越高。（）
四、简答题（每题6分，共30分）
监督学习与无监督学习的本质区别是什么？
结合航空场景（如航班轨迹分类与空域聚类分析）说明两者的应用差异。
简述梯度下降法的工作原理，并解释学习率对训练过程的影响。
举例说明如何通过调整学习率解决模型震荡或收敛缓慢的问题。
在民航气象数据预处理中，常用的归一化方法有哪些？
比较Z-score标准化与Min-Max归一化的适用场景。
如何评估分类模型的性能？
列举至少4种指标，并解释在航空器冲突预测任务中为何选择特定指标。
简述深度学习在民航领域的典型应用。
以航空器进近飞行时间预测为例，说明模型构建的关键步骤。
五、计算题（每题10分，共20分）
1.特征工程与模型训练
某空管部门收集了1000条航空器飞行数据，包含以下特征：
X1：进场高度（m）
X2：进场速度（km/h）
X3：气象条件（1=恶劣，0=良好）
Y：进近时间（min