2026年机器学习工程师考试题库（附答案和详细解析）（0310）.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）

逻辑回归模型通常使用的损失函数是以下哪一种？

A.均方误差（MSE）

B.交叉熵损失（Cross-Entropy）

C.Hinge损失

D.指数损失

答案：B

解析：逻辑回归用于二分类任务，其目标是输出样本属于正类的概率，交叉熵损失直接衡量预测概率与真实标签的差异，是逻辑回归的标准损失函数。均方误差（A）适用于回归任务；Hinge损失（C）是支持向量机（SVM）的损失函数；指数损失（D）是AdaBoost的损失函数。

以下哪种方法最能有效缓解模型的过拟合问题？

A.增加训练数据量

B.减少模型的特征数量

C.使用L2正则化

D.以上都是

答案：D

解析：过拟合的核心原因是模型复杂度远高于数据复杂度。增加训练数据（A）可提供更丰富的特征分布，减少模型对噪声的记忆；减少特征数量（B）降低模型复杂度；L2正则化（C）通过惩罚大权重参数限制模型复杂度。三者均是缓解过拟合的常用方法。

评估回归模型性能时，最常用的指标是？

A.准确率（Accuracy）

B.F1分数（F1-score）

C.均方根误差（RMSE）

D.AUC-ROC

答案：C

解析：回归任务的目标是预测连续值，RMSE（均方根误差）直接衡量预测值与真实值的平均偏差，是回归模型的核心评估指标。准确率（A）和F1分数（B）用于分类任务