1. 关于梯度下降的说法正确的是：

• A. 梯度下降法可以确保找到全局最优解。
• B. 随机梯度下降每次使用所有数据来更新参数。
• C. 批量梯度下降（Batch Gradient Descent）通常收敛更快。
• D. 学习率过大会导致梯度下降过程震荡。

答案：D（学习率过大会导致不稳定，可能震荡或无法收敛）

2. 在以下算法中，哪种算法属于无监督学习？

• A. 逻辑回归
• B. K-近邻算法
• C. 支持向量机
• D. K-均值聚类

答案：D（K-均值聚类是无监督学习算法）

3. 在随机森林中，以下哪项是通过增加多棵决策树来减小模型的方差？

• A. 使用弱分类器
• B. 引入随机性
• C. 减少树的深度
• D. 使用 Boosting 组合

答案：B（引入随机性，通过多棵随机树组合减小方差）

4. L1 正则化的效果是：

• A. 使权重趋向于零但不完全为零
• B. 增加模型复杂性
• C. 使一些特征权重变为零，产生稀疏模型
• D. 更适合处理平滑数据

答案：C（L1 正则化会使一些特征的权重完全为零ÿ