《第二单元 人工智能初步体验 2 智能学习》同步练习及知识归纳-2023-2024学年川教版信息技术（2019）五年级下册

川教版信息技术（2019）五年级下册 第二单元 人工智能初步体验 2 智能学习 同步练习题附知识点归纳 一、课文知识点归纳： 1. 介绍机器学习的基本概念，即计算机通过数据学习并改进算法的过程。 2. 讲解监督学习、无监督学习和强化学习三种主要学习方式的区别和应用。 3. 举例说明训练数据集、测试数据集在机器学习中的重要性。 4. 探索智能学习在生活中的应用实例，如推荐系统、自动驾驶等。 5. 强调算法模型的评估方法，包括准确率、召回率等性能指标。 二、同步练习题。 （一）、填空题。 1. 机器学习是让计算机通过分析大量______，自动“学习”并做出预测或决策。 2. 监督学习中，每个训练样本都有一个明确的______。 3. 在无监督学习中，算法试图从数据中发现隐藏的______。 4. 强化学习的核心是通过______与环境的互动来学习最佳行为策略。 （二）、选择题。 1. 下列哪项不是机器学习的主要类型？（ ） A. 监督学习 B. 无监督学习 C. 半监督学习 D. 加密学习 2. 在智能推荐系统中，用户的历史浏览记录被用作______。（ ） A. 目标变量 B. 特征 C. 预测结果 D. 测试数据 3. 在机器学习过程中，用来评估模型性能的常见指标是______。（ ） A. ROC曲线 B. 均方误差 C. 箱线图 D. 散点图 4. 以下哪项是强化学习中代理(agent)与环境交互获得的反馈？（ ） A. 标签 B. 特征 C. 奖励 D. 数据集 （三）、判断题。（正确的打“√”，错误的打“×”） 1. 无监督学习不需要人为标注数据。（ ） 2. 监督学习中，预测模型的建立是基于已知的输入输出对。（ ） 3. 在强化学习中，智能体总是尝试最大化即时奖励，而不考虑长期利益。（ ） （四）、简答题。 1. 简述监督学习和无监督学习的主要区别。 __________________________________________________________________ 2. 解释什么是过拟合，并列举一种防止过拟合的方法。 __________________________________________________________________ 三、学习目标： 1. 理解机器学习的基本原理和类型。 2. 了解智能学习在现实生活中的应用。 3. 掌握机器学习模型评估的基本概念。 4. 培养分析问题和选择合适学习方法的能力。 【参考答案及解析】： 二、同步练习题。 （一）、填空题。 1. 数据 2. 标签 3. 结构或模式 4. 试错（Trial and Error） （二）、选择题。 1. D. 加密学习 2. B. 特征 3. B. 均方误差 4. C. 奖励 （三）、判断题。 1. √【解析：无监督学习确实不需要人为标注数据，它旨在从无标签数据中发现模式。】 2. √【解析：监督学习正是基于已知的输入输出对（即带有标签的数据）来构建模型的。】 3. ×【解析：在强化学习中，智能体应当考虑到长期利益，不只是追求即时奖励，通过设计合理的奖励机制来引导智能体做出有利长远的决策。】 （四）、简答题。 1. 答：监督学习需要带有标签的训练数据，即每个输入数据都有相应的正确输出结果，模型通过学习这些输入输出对来预测未知数据的输出。无监督学习则处理未标记的数据，它试图找出数据中的自然结构或模式，如聚类分析。简而言之，监督学习关注预测，而无监督学习关注数据的内在结构发现。 2. 答：过拟合是指模型在训练数据上表现得过于优秀，以至于它学到了训练数据中的噪声和偶然特征，导致在未见过的数据（如测试数据）上的泛化能力差。防止过拟合的一种方法是正则化，它在损失函数中加入一个惩罚项，以减少模型复杂度，比如L1正则化和L2正则化，通过限制模型权重的大小来避免过度拟合训练数据。其他方法还包括收集更多数据、早停法、交叉验证和特征选择等。 学科网（北京）股份有限公司 $$