2025年机器学习工程师考试题库（附答案和详细解析）（1013）.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）

以下哪种算法属于监督学习？

A.K-means聚类

B.主成分分析（PCA）

C.支持向量机（SVM）

D.关联规则挖掘

答案：C

解析：监督学习需要标注的训练数据，目标是学习输入到输出的映射。SVM用于分类或回归，依赖标签数据（监督学习）；K-means（无监督）、PCA（无监督降维）、关联规则挖掘（无监督）均不需要标签。

以下哪项是过拟合的典型表现？

A.训练误差和验证误差都很小

B.训练误差小，验证误差大

C.训练误差大，验证误差小

D.训练误差和验证误差都很大

答案：B

解析：过拟合指模型在训练数据上表现很好（训练误差小），但泛化能力差（验证/测试误差大）。A是欠拟合或理想状态，C不可能，D是欠拟合。

深度学习中，ReLU激活函数的主要优点是？

A.输出范围在(0,1)，适合概率预测

B.避免梯度消失问题

C.计算复杂度低，适合浅层网络

D.对输入值敏感，增强非线性

答案：B

解析：ReLU（f(x)=max(0,x)）在x0时梯度为1，避免了Sigmoid/ReLU在深层网络中因梯度衰减导致的“梯度消失”问题。A是Sigmoid的特点，C错误（ReLU适合深层），D是所有激活函数的共性。

评估二分类模型时，若关注“正样本被正确识别的比例”，应选择以下哪个指标？

A.准确率（Accuracy）

B.精确率（Precision）

C.召回率（Recall）

D.F1-score

答案：C

解析：召回率=TP/(TP+FN)，表示正样本中被正确预测的比例；精确率=TP/(TP+FP)是“预测为正的样本中实际为正的比例”；准确率是整体正确比例；F1是精确率和召回率的调和平均。

以下哪种方法不能缓解过拟合？

A.增加训练数据量

B.降低模型复杂度（如减少神经网络层数）

C.采用L2正则化

D.增大学习率

答案：D

解析：增大学习率可能导致优化过程震荡，无法收敛，与过拟合无关；增加数据、降低复杂度、正则化（L1/L2）均是经典的过拟合缓解方法。

随机森林（RandomForest）的核心思想是？

A.通过提升（Boosting）减少偏差

B.通过Bagging结合多棵决策树，降低方差

C.通过梯度下降优化损失函数

D.通过特征选择提高模型可解释性

答案：B

解析：随机森林是Bagging（自助采样）的典型应用，通过构建多棵基于随机特征子集的决策树，平均预测结果以降低模型方差；Boosting（如GBDT）关注减少偏差。

自然语言处理（NLP）中，词嵌入（WordEmbedding）的主要目的是？

A.将文本转换为固定长度的向量，捕捉语义关联

B.统计词频，生成TF-IDF特征

C.识别文本中的实体和关系

D.实现文本的情感分析

答案：A

解析：词嵌入（如Word2Vec、GloVe）通过低维稠密向量表示词语，捕捉语义相似性（如“国王-男人≈王后-女人”）；B是TF-IDF的作用，C是命名实体识别，D是情感分析任务。

强化学习（ReinforcementLearning）的核心要素不包括？

A.状态（State）

B.动作（Action）

C.标签（Label）

D.奖励（Reward）

答案：C

解析：强化学习通过智能体（Agent）与环境交互，根据状态选择动作并获得奖励，目标是最大化长期累积奖励；标签是监督学习的核心要素。

模型部署时，将PyTorch模型转换为ONNX格式的主要目的是？

A.减少模型参数量，提升训练速度

B.实现跨框架推理（如TensorRT、OpenVINO）

C.增强模型的可解释性

D.提高模型在训练数据上的准确率

答案：B

解析：ONNX（开放神经网络交换格式）是模型格式的标准，支持不同框架（PyTorch、TensorFlow）间的模型转换，主要用于部署时的跨平台推理优化。

超参数调优时，网格搜索（GridSearch）的主要缺点是？

A.无法处理连续型超参数

B.计算成本高（随参数维度指数增长）

C.容易陷入局部最优

D.依赖人工经验设定参数范围

答案：B

解析：网格搜索需遍历所有参数组合（如3个参数各5个取值，需53=125次训练），计算成本随参数维度指数增长；随机搜索可缓解此问题，贝叶斯优化则更高效。

二、多项选择题（共10题，每题2分，共20分）

以下属于监督学习任务的有？（至少2个正确选项）

A.图像分类（标注类别）

B.房价预测（标注价格）

C.用户分群（无标注）

D.情感分析（标注情感倾向）

答案：ABD

解析：监督学习需要标签数据，A（类别标签）、B（价格标签）、D（情感标签）均符合；C是无监督学习（聚类）。

深度学习中