2026年机器学习工程师考试题库（附答案和详细解析）（0204）.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）

以下哪种算法属于监督学习？

A.K-means聚类

B.主成分分析（PCA）

C.支持向量机（SVM）分类

D.关联规则挖掘（Apriori）

答案：C

解析：监督学习需要带标签的训练数据，目标是学习输入到输出的映射。SVM分类任务需要样本的类别标签（监督信号），属于监督学习。其他选项中，K-means（无标签聚类）、PCA（无标签降维）、Apriori（无标签关联规则）均为无监督学习。

当模型在训练集上表现很好，但在测试集上表现较差时，最可能的原因是？

A.欠拟合

B.过拟合

C.数据泄露

D.特征缺失

答案：B

解析：过拟合的典型表现是模型对训练数据过度学习（甚至记住噪声），导致泛化能力差，测试集性能下降。欠拟合则是训练集和测试集表现均差；数据泄露是训练数据包含测试集信息；特征缺失会导致模型无法捕捉关键模式。

以下哪个指标最适合评估不均衡分类数据集的模型性能？

A.准确率（Accuracy）

B.均方误差（MSE）

C.F1-score

D.R2分数

答案：C

解析：不均衡数据中，准确率会因多数类主导而失真（如99%负样本时，全预测负样本准确率99%但无意义）。F1-score综合了精确率和召回率，更适合评估少数类的识别能力。MSE用于回归，R2是回归模型拟合优度指标