2026年机器学习工程师考试题库（附答案和详细解析）（0216）.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二分类任务？

A.均方误差（MSE）

B.交叉熵损失（Cross-Entropy）

C.绝对平均误差（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差异，适用于分类任务（尤其是二分类）；均方误差（A）和绝对平均误差（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。

为防止模型过拟合，以下哪种方法不适用？

A.增加训练数据量

B.降低模型复杂度（如减少神经网络层数）

C.引入L2正则化

D.增加模型参数数量

答案：D

解析：过拟合的本质是模型对训练数据拟合过细，泛化能力差。增加参数数量（D）会提高模型复杂度，加剧过拟合；其他选项（A/B/C）均能缓解过拟合。

支持向量机（SVM）的核函数作用是？

A.降低数据维度

B.将低维非线性可分数据映射到高维线性可分空间

C.计算样本间距离

D.优化分类超平面的间隔

答案：B

解析：核函数（如RBF核）通过非线性变换将原始低维空间数据映射到高维空间，使原本非线性可分的问题变为线性可分（B正确）；降低维度是PCA的作用（A错误），计算距离是核函数的中间效果（C错误），优化间隔是SVM的目标（D错误）。

以下哪种方法不属于交叉验证？

A.留一法（LOOCV）

B.