2025年机器学习工程师考试题库（附答案和详细解析）（0928）.docxVIP

机器学习工程师考试试卷（总分100分）

一、单项选择题（共10题，每题1分，共10分）

以下哪项是监督学习的核心特征？

A.不需要标注数据

B.目标是发现数据内在结构

C.需要输入-标签对数据

D.常用于降维任务

答案：C

解析：监督学习的核心是通过输入数据（特征）和对应的标签（目标值）训练模型，用于预测新数据的标签（如分类、回归）。选项A错误，监督学习需要标签；B和D是无监督学习的目标（如聚类、PCA），故排除。

交叉熵损失函数最常用于以下哪种任务？

A.回归预测

B.分类任务

C.聚类分析

D.降维处理

答案：B

解析：交叉熵损失用于衡量预测概率分布与真实分布的差异，适用于分类任务（如逻辑回归、神经网络分类）。回归任务常用MSE（均方误差），聚类和降维无标签，故排除A、C、D。

决策树中，信息增益主要用于以下哪一步骤？

A.剪枝操作

B.选择最优分裂特征

C.计算叶节点输出

D.处理缺失值

答案：B

解析：信息增益（或基尼系数）是决策树选择分裂特征的核心指标，通过比较分裂前后的信息熵减少量，选择对分类最有效的特征。剪枝是后期优化步骤，叶节点输出由多数类或均值决定，故排除A、C、D。

以下哪种方法最可能缓解模型过拟合？

A.增加训练数据量

B.减少正则化系数λ

C.增加模型层数

D.降低学习率

答案：A

解析：过拟合的本质是模型对训练数据过度学习，