2026年机器学习工程师考试题库（附答案和详细解析）（0104）.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典型任务？

A.客户分群（聚类）

B.图像风格迁移（生成模型）

C.垃圾邮件分类（分类）

D.主成分分析（降维）

答案：C

解析：监督学习需要输入数据与标签对，目标是学习输入到标签的映射。垃圾邮件分类需要已知邮件（输入）和是否为垃圾邮件（标签），属于分类任务（监督学习）。A、B、D均为无监督学习任务（无标签或目标为数据内在结构）。

训练机器学习模型时，若验证集准确率远高于测试集，最可能的原因是？

A.数据泄露（验证集与测试集有重叠）

B.模型欠拟合

C.学习率过低

D.正则化强度过大

答案：A

解析：验证集用于调参，若验证集与测试集数据重叠（数据泄露），会导致模型在验证集上表现虚高，而测试集（真实新数据）表现差。B（欠拟合）会导致训练集和验证集准确率均低；C（学习率低）会导致训练速度慢但最终收敛；D（正则化过强）会导致模型泛化能力过强但可能欠拟合。

逻辑回归中使用的损失函数是？

A.均方误差（MSE）

B.交叉熵损失（Cross-Entropy）

C.平均绝对误差（MAE）

D.Hinge损失

答案：B

解析：逻辑回归用于二分类，输出概率值，交叉熵损失衡量预测概率与真实标签的差异，是其标准损失函数。A、C用于回归任务；D是SVM的损失函数。

以下哪种方法最适合解决高维稀疏数据的过拟合问题？

A.增加训练数据量

B.L1正则化（Lasso）

C.早停法（EarlyStopping）

D.降低学习率

答案：B

解析：高维稀疏数据（如文本TF-IDF特征）中，许多特征权重为0，L1正则化会使部分特征权重严格为0（特征选择），减少模型复杂度，缓解过拟合。A（增加数据）需额外数据；C（早停）依赖验证集；D（降学习率）影响训练速度而非复杂度。

随机森林（RandomForest）的核心思想是？

A.通过提升（Boosting）减少偏差

B.通过自助采样（Bagging）和特征随机选择降低方差

C.通过梯度提升（GradientBoosting）优化损失函数

D.通过深度神经网络拟合复杂关系

答案：B

解析：随机森林是Bagging集成方法，每棵树基于自助采样的子集和随机选择的特征子集训练，通过多棵树的投票降低单棵树的方差（过拟合风险）。A是AdaBoost；C是XGBoost；D是神经网络。

评估回归模型时，R2分数的取值范围是？

A.(-∞,+∞)

B.[0,1]

C.(-∞,1]

D.[0,+∞)

答案：C

解析：R2=1-(残差平方和)/(总平方和)，当模型预测比均值还差时，残差平方和大于总平方和，R2可能为负；最佳情况（完美预测）为1。因此范围是(-∞,1]。

以下哪项属于特征工程中的“特征提取”？

A.对年龄特征进行分箱（如0-18,19-30）

B.计算用户月均消费金额（从单日消费数据聚合）

C.用主成分分析（PCA）将100维特征降为10维

D.对缺失值用均值填充

答案：C

解析：特征提取是从原始特征中生成新的低维特征（如降维），保留关键信息。A（分箱）和B（聚合）是特征构造；D（填充缺失值）是数据清洗。

梯度下降法中，“批量”（Batch）指的是？

A.每次迭代使用所有训练数据计算梯度

B.每次迭代使用固定大小的子集计算梯度

C.每次迭代使用单个样本计算梯度

D.每次迭代使用验证集数据计算梯度

答案：A

解析：批量梯度下降（BatchGD）每次用全部训练数据计算梯度，梯度方向准确但计算成本高；B是小批量梯度下降（Mini-BatchGD）；C是随机梯度下降（SGD）；D无此定义。

以下哪种神经网络结构适合处理序列数据（如文本、时间序列）？

A.卷积神经网络（CNN）

B.循环神经网络（RNN）

C.自编码器（Autoencoder）

D.多层感知机（MLP）

答案：B

解析：RNN通过隐藏状态传递序列中的时间依赖信息，适合处理顺序相关数据。CNN擅长空间特征（如图像）；自编码器用于特征压缩；MLP无序列建模能力。

生成对抗网络（GAN）的核心是？

A.生成器与判别器的协同优化

B.最大化似然估计

C.最小化重构误差

D.强化学习中的奖励机制

答案：A

解析：GAN由生成器（生成假数据）和判别器（区分真假数据）组成，通过博弈优化：生成器试图欺骗判别器，判别器试图准确分类，最终生成器能生成接近真实数据的样本。B是VAE的目标；C是自编码器的目标；D是强化学习的核心。

二、多项选择题（共10题，每题2分，共20分）

以下哪些指标可用于评估二分类模型的性能？（）

A.准确率（Accuracy）

B.F1分数（F