2026年机器学习工程师考试题库（附答案和详细解析）（0119）.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.对用户评论进行情感分析（正面/负面）

B.对客户交易数据进行聚类分组

C.用PCA降低图像特征维度

D.用t-SNE可视化高维数据分布

答案：A

解析：监督学习需要标注数据（输入-输出对），情感分析需要标注的正负样本（监督）；B、C、D均为无监督学习（无标注数据）。

为解决模型过拟合问题，最不有效的方法是？

A.增加训练数据量

B.降低模型复杂度（如减少决策树深度）

C.增大学习率

D.加入L2正则化项

答案：C

解析：过拟合的核心是模型对训练数据过度记忆，解决方法包括增加数据、简化模型、正则化等。增大学习率可能导致优化过程震荡，无法缓解过拟合。

决策树划分节点时，常用的指标是？

A.均方误差（MSE）

B.信息增益（InformationGain）

C.余弦相似度

D.曼哈顿距离

答案：B

解析：决策树通过信息增益（或基尼系数）选择最优划分特征，衡量划分后数据纯度的提升；MSE用于回归树或线性模型，C、D为相似度度量。

逻辑回归的损失函数通常是？

A.均方误差（MSE）

B.交叉熵损失（Cross-Entropy）

hingeloss

D.指数损失（ExponentialLoss）

答案：B

解析：逻辑回归用于分类任务，通过sigmoid函数