下列哪项是机器学习区别于传统编程的核心特点?
必须依赖人类编写所有规则
通过分析数据自动学习规律
只能处理数字表格类数据
无法解决复杂的实际问题
小明用手机拍照识花,APP 判断照片中的花是 “玫瑰” 还是 “郁金香”,这属于哪种机器学习任务?
监督学习(分类任务)
无监督学习(聚类任务)
强化学习(试错学习)
生成式学习(内容创造)
以下哪个场景最适合用无监督学习解决?
根据考试成绩预测学生是否能考上大学(有录取标签)
将全班同学的课后作业按题型自动分组(无预设类别)
让机器人通过反复尝试学会拧魔方(每次拧动有得分反馈)
用 AI 生成一首模仿李白风格的古诗
强化学习的核心是?
依赖老师标注的 “正确答案” 进行学习
通过与环境互动获得的 “奖励 / 惩罚” 优化行为
直接从无标签数据中发现隐藏的规律
无需任何数据即可自主推理
下列关于机器学习与人类学习的区别,错误的是?
机器学习依赖大量数据,人类可通过少量经验学习
人类学习擅长抽象推理,机器学习目前更依赖模式匹配
机器学习模型的 “知识” 存储在代码中,人类知识存储在大脑
两者都需要通过 “错误反馈” 来优化自身能力
以下哪项最能体现 “算法” 对机器学习的影响?
用手机 APP 扫描作业题目,系统快速给出解析(选择高效的图像识别算法)
购买更高性能的电脑来加速模型训练(提升算力)
收集更多学生的错题数据来优化系统(增加数据量)
手动修正数据中的错别字(数据预处理)
当机器学习模型在训练时速度很慢,最可能需要优化的是?
数据质量(如清洗噪声数据)
算法选择(如换用更高效的算法)
计算能力(如使用 GPU 加速)
人工标注更多标签(增加监督信息)
类比学生学习,“计算能力” 最接近以下哪个场景?
学生的记忆力(存储知识的能力)
学生的解题速度(大脑处理信息的效率)
学生的笔记本(记录学习数据的载体)
学生的老师(提供指导和反馈的来源)
下列关于 “数据” 的说法,错误的是?
低质量数据(如含大量错误)会导致模型效果差
数据规模越大,模型效果一定越好(即使数据无关)
不同类型的数据(如图像、文本)需要不同的处理方式
数据是机器学习的 “燃料”,没有数据就无法学习
学校开发了一个 “学生成绩分析系统”,功能包括以下4个。其中属于 “监督学习” 的功能是?
根据历史成绩预测下次考试分数(有分数标签)
将学生按学习习惯自动分组(无预设组别)
让 AI 模拟老师给作文打分(有评分标签)
生成一篇符合要求的议论文 **