2026年机器学习工程师考试题库（附答案和详细解析）（0224）.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）

以下哪种损失函数最适合用于二分类任务？

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（B）通过衡量预测概率与真实标签的分布差异，适用于分类任务（尤其是二分类）。均方误差（A）和平均绝对误差（C）主要用于回归任务；Huber损失（D）是MSE和MAE的折中，也用于回归。

以下哪种方法最常用于解决过拟合问题？

A.增加训练数据量

B.减少特征数量

C.提高学习率

D.增加模型层数

答案：A

解析：过拟合的核心原因是模型对训练数据的噪声过度学习。增加训练数据量（A）可提升模型泛化能力；减少特征数量（B）可能丢失关键信息；提高学习率（C）会导致训练不稳定；增加模型层数（D）会加剧过拟合。

梯度下降算法中，“随机梯度下降（SGD）”的特点是？

A.每次使用全部训练数据计算梯度

B.每次使用单个样本计算梯度

C.每次使用小批量样本计算梯度

D.梯度更新方向随机

答案：B

解析：随机梯度下降（B）每次仅用1个样本计算梯度，训练速度快但噪声大；批量梯度下降（A）用全部数据，计算耗时但收敛稳定；小批量梯度下降（C）是SGD的改进，用部分样本；梯度方向由损失函数决定（D错误）。

评估分类模型时，若正负样本极不