2025年机器学习工程师考试题库（附答案和详细解析）（1220）.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）

以下哪项属于监督学习任务？

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.用PCA降低图像特征维度

D.检测信用卡交易中的异常模式

答案：B

解析：监督学习需要输入数据（特征）和对应的标签（目标值）。选项B中“预测房价”需要已知面积（特征）和对应的房价（标签），属于回归任务（监督学习）。A是聚类（无监督），C是降维（无监督），D是异常检测（通常无监督或半监督）。

当训练的模型在训练集上表现很好，但测试集上表现差时，最可能的原因是？

A.欠拟合

B.过拟合

C.数据噪声过多

D.学习率过低

答案：B

解析：过拟合的典型表现是模型在训练数据上过度学习细节（包括噪声），导致泛化能力差（测试集性能下降）。欠拟合表现为训练集和测试集性能均差；数据噪声过多可能加剧过拟合，但非直接原因；学习率过低会导致收敛慢，非此现象主因。

逻辑回归模型中，sigmoid函数的主要作用是？

A.增加模型非线性能力

B.将线性输出映射到[0,1]区间

C.减少梯度消失问题

D.实现多分类任务

答案：B

解析：逻辑回归通过线性组合（w·x+b）得到z，sigmoid(z)=1/(1+e^-z)将z映射到[0,1]，表示样本属于正类的概率。A是激活函数的通用作用（但逻辑回归本身是线性模型）；C是ReLU等函数的作用；D需通过softmax实现多分类。

以下哪种方法最适合处理高维稀疏特征？

A.决策树

B.支持向量机（线性核）

C.k近邻（k-NN）

D.线性回归

答案：B

解析：高维稀疏特征（如文本的词袋模型）中，线性核SVM通过最大化间隔优化，对稀疏性不敏感且计算高效。决策树在高维稀疏数据中易过拟合；k-NN计算复杂度随维度升高爆炸；线性回归对稀疏数据的系数估计不稳定。

评估分类模型时，“精确率（Precision）”的计算公式是？

A.TP/(TP+FN)

B.TP/(TP+FP)

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

D.TP/(FN+FP)

答案：B

解析：精确率衡量“被预测为正类的样本中实际为正类的比例”，公式为TP（真正例）/(TP+FP（假正例）)。A是召回率（Recall），C是准确率（Accuracy），D无实际意义。

以下哪种技术用于解决神经网络中的梯度消失问题？

A.批量归一化（BatchNorm）

B.L2正则化

C.早停法（EarlyStopping）

D.随机失活（Dropout）

答案：A

解析：批量归一化通过对每层输入标准化，缓解深层网络中梯度沿反向传播时逐渐衰减的问题。B用于防止过拟合；C通过提前终止训练防止过拟合；D通过随机删除神经元增强泛化。

随机森林（RandomForest）中的“随机”不包括以下哪项？

A.随机选择样本（Bootstrap采样）

B.随机选择特征子集

C.随机初始化决策树参数

D.随机生成决策树的分裂条件

答案：C

解析：随机森林的随机性体现在：①样本随机（Bootstrap）；②特征随机（每节点分裂时随机选特征子集）；③决策树的分裂条件（如基尼系数/信息增益）是确定性计算的，参数初始化无随机性（决策树本身无参数需初始化）。

以下哪项不是K-means聚类的缺点？

A.对初始聚类中心敏感

B.要求预先指定簇数K

C.适用于凸形状的簇

D.能处理任意形状的簇

答案：D

解析：K-means假设簇是球形且凸的，对非凸、不规则形状的簇效果差（如环形数据）。A、B、C均为其缺点，D是错误描述（正是缺点）。

以下哪种优化器结合了动量（Momentum）和自适应学习率的特性？

A.SGD

B.Adam

C.RMSprop

D.Adagrad

答案：B

解析：Adam优化器通过一阶矩（动量）和二阶矩（自适应学习率）的指数移动平均，同时实现动量加速和学习率自适应调整。SGD无自适应；RMSprop仅有自适应；Adagrad学习率单调递减。

特征工程中，“独热编码（One-HotEncoding）”主要用于处理哪种类型的特征？

A.连续数值型

B.高基数类别型

C.低基数类别型

D.文本型

答案：C

解析：独热编码将类别特征转换为二进制向量（每个类别对应一个维度），适用于低基数类别（如性别：男/女）。高基数类别（如省份）会导致维度爆炸，需用嵌入或目标编码；连续型需标准化；文本型需词向量等方法。

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算法的有？（）

A.主成分分析（PCA）

B.支持向量机（SVM）

C.K-means聚类

D.关联规则挖掘（Apriori）

答案：ACD

解析：无监督学习无标签输