/cn-tutor-prep-s5-ict-artificial-intelligence-machine-learning-practice-3/
/cn-tutor-prep-s5-ict-artificial-intelligence-machine-learning-practice-3/
一般查询: info@TutorZone.com.hk
办公时间: 星期一至六 - 上午 9 时至下午 6 时
WhatsApp 星期一至日 - 24 小时
人手接听: +852 6828 1809
实时客服: +852 9061 3106

中五 ICT:人工智能与机器学习挑战十题

中五 ICT:人工智能与机器学习挑战十题

  • 2026-11-20

中五 ICT:人工智能与机器学习挑战十题

第三份练计算与取舍:F1 调和平均、每轮步数、影像特征数、全连接层参数、不平衡资料的假高分,以及卷积输出尺寸与梯度更新。

挑战:指标计算与模型规模 本分集中计算:精确率零点八与召回率零点八八九得 F1 约零点八四二、一万二千样本批量六十四得一百八十八步、224 见方彩色影像共十五万零五百二十八个特征、七百八十四接一百二十八得权重十万零三百五十二个、三千样本九成准确即错三百个、九百九十对十的不平衡资料全猜负类得准确率零点九九而召回率零、28 见方影像用 3 乘 3 卷积核得 26 见方、权重 2.0 与梯度 3.0 及学习率 0.1 更新后得 1.7。

01 本卷资料(做完才看答案)

项目 内容
题数 10
建议时间 25
难度分布 基础 3 · 进阶 3 · 挑战 3 · 错题重练 1
对应章节 所属章节:中五 ICT:人工智能与机器学习
适用年级 挑战(10 题)

02 题目(10 题)

  1. 基础精确率 0.80、召回率 0.889,F1 分数是多少?
  2. 基础每轮训练 12 000 个样本、批量大小 64,一个 epoch 有多少步?
  3. 基础224×224 的彩色影像共多少个输入特征?
  4. 进阶输入层 784 个节点接 128 个神经元的全连接层,需要多少权重与偏置?
  5. 进阶3 000 个训练样本的准确率为九成,共错了多少个?
  6. 进阶把分类门槛调低,对精确率与召回率有什么影响?
  7. 挑战资料有 990 个负类与 10 个正类,若全部预测为负类,准确率与召回率各是多少?
  8. 挑战28×28 的影像用 3×3 卷积核且不补边,输出尺寸是多少?
  9. 挑战权重为 2.0、梯度为 3.0、学习率为 0.1,一次更新后权重是多少?
  10. 错题重练1 000 张原图各做四种增强,资料量变成多少倍、共多少张?

03 答案与一句解说

题号 答案 一句解说
1 F1 约为 0.842。 F1 是两者的调和平均,较低的一方会拉低整体分数。
2 188 步。 12000 除以 64 得 187.5,最后一批不足 64 个亦计一步,故取 188。
3 150 528 个。 224 乘 224 乘 3 个色彩通道。
4 权重 100 352 个、偏置 128 个。 784 乘 128 得 100352,每个神经元另配一个偏置。
5 三百个。 3000 乘 0.1 得 300,错误样本往往比正确样本更值得逐个检视。
6 召回率上升、精确率下降。 更多样本被判为正类,漏判减少而误判增加。
7 准确率 0.99、召回率 0。 资料不平衡时准确率会掩盖模型完全失效的事实。
8 26×26。 28 减 3 加 1 得 26,卷积核每次只滑动一个像素。
9 1.7。 2.0 减 0.1 乘 3.0 得 1.7,梯度方向决定更新方向。
10 五倍,共 5 000 张。 原图加四份增强版本,可扩充样本而不需重新收集。

04 做完之后怎样跟进

  • 对完答案,只重做错的那几题,并在错题旁写出错在哪一步(公式、单位还是抄错数)。
  • 同一题隔两日再做一次;两次都对才可以移到下一份练习。
  • 家长只需看答案栏与解说栏,不必逐题讲解。

想亲手计一次精确率与召回率?预约 TutorZone 导师,用 25 分钟把十题的算式与图表逐一讲清。导师登记 →

本卷题目与答案由 TutorZone 团队原创编写,并非任何学校、出版社或考试局的试题;数值与答案均以程式核算。

招募导师及兴趣班教练|学术、乐器、体育、艺术、STEM,免费登记,招生与配对交给平台。 了解详情 →