一、单选题

1、在深度学习中，若模型参数的更新依赖数值不稳定的矩阵求逆操作（如$(X^T X)^{-1}$），则可能导致： {{ select(1) }}

• 模型过拟合
• 参数估计误差大
• 模型欠拟合
• 训练加速过快

2、在构建一个用于预测用户是否流失的机器学习模型时，某数据科学家从原始数据中提取了 15 个特征，包括年龄、月消费金额、登录频率、服务投诉次数等。为了提升模型性能并减少过拟合，他决定使用递归特征消除（Recursive Feature Elimination, RFE）方法进行特征选择。已知他使用了一个训练好的逻辑回归模型作为评估器，并设定最终保留 5 个特征。

以下关于 RFE 过程的描述中，哪一项是正确的？

{{ select(2) }}

• A. RFE 通过反复训练模型，每次移除当前模型中系数绝对值最小的特征，逐步缩小特征集，最终得到一个包含 5 个特征的子集。
• B. RFE 基于特征的方差阈值逐步剔除低方差特征，直到保留指定数量为止。
• C. RFE 根据各特征在逻辑回归中的 p 值显著性进行排序，每次移除最不显著的特征，直到保留 5 个具有统计显著性的特征。
• D. RFE 计算每个特征与目标变量之间的皮尔逊相关系数，保留相关性最高的 5 个特征。

3、在自然语言处理中，比较两个词嵌入向量 $u=\begin{bmatrix}0.8 \\ 0.6\end{bmatrix}$ 、$v=\begin{bmatrix}0.5 \\ 0.866\end{bmatrix}$ 的语义相似性。以下结论正确的是？ {{ select(3) }}

• 点积=0.8，表明语义高度相似
• 点积结果受向量模影响，余弦相似度更可靠
• 余弦相似度≈0.99，表明语义几乎相同
• 向量$v$的模更大，因此更重要

4、当把 ReLU 换成 GELU 后，在相同初始化下，训练初期梯度 L2 范数通常会 {{ select(4) }}

• 不可预测
• 几乎不变
• 显著增大
• 显著减小

5、设 $X \sim Binomial(n = 10, p = 0.3)$，则 $E[X^2]$ 为： {{ select(5) }}

• 5.2
• 4.2
• 3.9
• 11.1