原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
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）
以下关于监督学习的描述中，正确的是（）
A.输入数据不包含标签
B.目标是从无标签数据中发现模式
C.典型任务包括聚类和降维
D.输入数据包含标签，用于训练模型预测输出
答案：D
解析：监督学习的核心是使用带标签的数据训练模型，目标是学习输入到输出的映射关系（如分类、回归任务）。A、B、C均为无监督学习的特征（无标签、发现模式、聚类/降维）。
分类任务中，通常优先选择的损失函数是（）
A.均方误差（MSE）
B.交叉熵损失（Cross-Entropy）
C.平均绝对误差（MAE）
D.Huber损失
答案：B
解析：交叉熵损失直接衡量预测概率与真实标签的分布差异，适用于分类任务（标签为离散类别）。MSE、MAE、Huber损失主要用于回归任务（标签为连续值）。
模型出现过拟合时，最可能的表现是（）
A.训练误差和测试误差都很高
B.训练误差低，测试误差高
C.训练误差高，测试误差低
D.训练误差和测试误差都很低
答案：B
解析：过拟合指模型在训练数据上表现很好（训练误差低），但无法泛化到新数据（测试误差高）。A是欠拟合表现，D是理想状态。
随机梯度下降（SGD）与批量梯度下降（BGD）的主要区别是（）
A.SGD每次使用全部样本计算梯度，BGD使用单个样本
B.SGD每次使用单个样本计算梯度，BGD使用全部样本
C.SGD收敛速度更快，BGD更稳定
D.SGD容易陷入局部最优，BGD不会
答案：B
解析：SGD每次用1个样本计算梯度（计算快但噪声大），BGD用全部样本（计算慢但梯度准确）。C错误，SGD收敛波动大；D错误，两者都可能陷入局部最优。
以下属于集成学习（EnsembleLearning）方法的是（）
A.逻辑回归（LogisticRegression）
B.支持向量机（SVM）
C.随机森林（RandomForest）
D.k近邻（k-NN）
答案：C
解析：随机森林是Bagging集成方法（多棵决策树组合）。其他选项均为单模型算法。
处理类别型特征（如“性别：男/女”）时，最常用的编码方法是（）
A.标准化（Z-score）
B.归一化（Min-Max）
C.独热编码（One-HotEncoding）
D.对数变换（LogTransformation）
答案：C
解析：类别型特征无大小顺序，独热编码将其转换为二进制向量（如“男”→[1,0]，“女”→[0,1]）。标准化/归一化用于数值型特征，对数变换用于处理偏态分布。
二分类任务中，召回率（Recall）的计算公式是（）
A.TP/(TP+FP)
B.TP/(TP+FN)
C.TN/(TN+FP)
D.(TP+TN)/(TP+TN+FP+FN)
答案：B
解析：召回率衡量“正样本被正确识别的比例”（TP为真正例，FN为假反例）。A是精确率（Precision），D是准确率（Accuracy）。
L1正则化（Lasso）的主要作用是（）
A.防止欠拟合
B.使模型参数更稀疏（很多参数为0）
C.加速模型训练
D.减少计算复杂度
答案：B
解析：L1正则化通过在损失函数中添加参数绝对值的和（L1范数），促使部分参数趋近于0，实现特征选择（稀疏解）。A错误，正则化防止过拟合；C、D是SGD等优化方法的作用。
以下属于无监督学习任务的是（）
A.预测房价（回归）
B.图像分类（分类）
C.用户分群（聚类）
D.情感分析（文本分类）
答案：C
解析：无监督学习使用无标签数据，目标是发现数据内在结构（如聚类、降维）。其他选项均为监督学习（需标签）。
深度学习中，ReLU激活函数的主要优点是（）
A.输出范围在(0,1)，适合二分类
B.解决梯度消失问题（非饱和）
C.计算复杂度高，增强模型表达能力
D.输出均值为0，加速收敛
答案：B
解析：ReLU（f(x)=max(0,x)）在x0时梯度为1（非饱和），避免了Sigmoid/Tanh在深层网络中因梯度趋近于0导致的“梯度消失”问题。A是Sigmoid的特点，D是Tanh的特点。
二、多项选择题（共10题，每题2分，共20分）（每题至少2个正确选项）
以下属于集成学习方法的有（）
A.随机森林（RandomForest）
B.梯度提升树（GBDT）
C.AdaBoost
D.线性回归（LinearRegression）
答案：ABC
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（Boosting）、AdaBoost（Boosting）均属此类。线性回归是单模型算法。
以下可以缓解过
文档评论（0）