2025年机器学习工程师考试题库（附答案和详细解析）（0927）.docxVIP

机器学习工程师考试试卷

一、单项选择题（共10题，每题1分，共10分）

以下属于监督学习任务的是（）

A.对用户点击日志进行聚类分析

B.预测房价随面积变化的趋势

C.从新闻文本中提取主题关键词

D.检测图像中的异常像素点

答案：B

解析：监督学习需要标注的训练数据（输入-输出对），核心是学习输入到输出的映射。选项B是回归任务（预测连续值），属于监督学习；A（聚类）、C（主题模型）、D（异常检测）均为无监督或半监督学习任务。

关于过拟合的描述，正确的是（）

A.模型在训练集和测试集上的误差都很大

B.模型对训练数据的细节过度学习

C.增加训练数据量会加剧过拟合

D.降低模型复杂度无法缓解过拟合

答案：B

解析：过拟合指模型在训练集上表现很好（误差小），但测试集上表现差（泛化能力弱），本质是模型学习了训练数据中的噪声和细节（B正确）。A描述的是欠拟合；C错误，增加数据量通常缓解过拟合；D错误，降低复杂度（如减少神经网络层数）是常用解决方法。

评估分类模型时，准确率（Accuracy）的计算公式是（）

A.TP/(TP+FN)

B.TP/(TP+FP)

C.(TP+TN)/(TP+TN+FP+FN)

D.TN/(TN+FP)

答案：C

解析：准确率是预测正确的样本占总样本的比例，公式为（真阳性TP+真阴性TN）/(总样本数)，即C选项。A是召回率（Recall），B是精确率（Precision），D是真负率（Specificity）。

支持向量机（SVM）的核心思想是（）

A.最大化类别之间的决策边界间隔

B.最小化训练误差的指数损失

C.通过树结构划分特征空间

D.利用梯度下降优化交叉熵损失

答案：A

解析：SVM通过寻找最大间隔超平面区分不同类别（A正确）。B是Adaboost的损失函数；C是决策树的核心；D是神经网络的优化方式。

以下不属于集成学习方法的是（）

A.随机森林（RandomForest）

B.梯度提升树（GBDT）

C.K近邻（KNN）

D.XGBoost

答案：C

解析：集成学习通过组合多个基模型提升性能。随机森林（Bagging）、GBDT/XGBoost（Boosting）均为集成方法；KNN是基于实例的学习，不涉及模型组合（C错误）。

梯度下降优化过程中，“学习率”设置过小会导致（）

A.模型容易陷入局部最优

B.参数更新速度过慢，训练时间增加

C.梯度消失问题

D.过拟合风险增大

答案：B

解析：学习率决定参数更新的步长。学习率过小会导致每次更新幅度小，需要更多迭代才能收敛（B正确）；A与优化函数的形状有关；C常见于深层神经网络的反向传播；D与模型复杂度或正则化相关。

特征工程中，对类别型特征（如“颜色”：红/蓝/绿）最常用的处理方法是（）

A.标准化（Z-score）

B.独热编码（One-HotEncoding）

C.对数变换

D.主成分分析（PCA）

答案：B

解析：类别型特征无顺序关系，需转换为数值形式。独热编码通过二进制向量表示类别（如“红”→[1,0,0]），是最常用方法（B正确）。A用于连续特征归一化；C用于处理偏态分布；D用于降维。

以下哪种神经网络结构适合处理时序数据（如股票价格序列）？（）

A.卷积神经网络（CNN）

B.循环神经网络（RNN）

C.自编码器（Autoencoder）

D.生成对抗网络（GAN）

答案：B

解析：RNN通过隐藏状态传递时序信息（如时间步t的状态依赖t-1的状态），适合处理序列数据（B正确）。CNN擅长空间特征（如图像）；自编码器用于特征压缩；GAN用于生成数据。

混淆矩阵中，“假阳性（FP）”指的是（）

A.实际为正类，模型预测为正类

B.实际为负类，模型预测为正类

C.实际为正类，模型预测为负类

D.实际为负类，模型预测为负类

答案：B

解析：FP（FalsePositive）是“假阳性”，即真实标签为负类，但模型错误预测为正类（B正确）。A是TP，C是FN，D是TN。

以下关于交叉验证（CrossValidation）的描述，错误的是（）

A.常用方法包括留一法（LOOCV）和k折交叉验证

B.可以评估模型的泛化能力

C.能完全消除过拟合风险

D.有助于选择最优超参数

答案：C

解析：交叉验证通过多次划分训练集和验证集，减少单次划分的随机性影响，用于评估泛化能力和调参（A、B、D正确）。但它无法“完全消除”过拟合，只能通过正则化等方法缓解（C错误）。

二、多项选择题（共10题，每题2分，共20分）

以下属于无监督学习任务的是（）

A.客户分群（Clustering）

B.情感分析（SentimentAnalysis）

C.主成分分