2026年机器学习工程师考试题库（附答案和详细解析）（0505）.docxVIP

2026年机器学习工程师考试题库（附答案和详细解析）（0505）

机器学习工程师专业能力测试卷

一、单项选择题（共10题，每题1分，共10分）

在逻辑回归中，用于评估模型性能的损失函数通常是：

A.均方误差

B.绝对误差

C.交叉熵

D.Huber损失

答案：C

解析：逻辑回归解决分类问题，交叉熵损失能有效衡量概率分布的差异。均方误差（A）适用于回归任务，绝对误差（B）和Huber损失（D）对异常值更鲁棒但不适合概率输出。

关于梯度下降法，以下说法正确的是：

A.批量梯度下降的每次迭代计算整个训练集梯度

B.随机梯度下降比小批量梯度下降收敛更快

C.学习率增大总能加速模型收敛

D.Adam优化器不需要设置学习率

答案：A

解析：批量梯度下降确需全数据集计算梯度（A正确）。随机梯度下降（B）因单样本噪声大而收敛更慢。学习率过大（C）可能导致震荡不收敛。Adam（D）仍需设置基础学习率。

（限于篇幅展示2题，实际需完成10题）

二、多项选择题（共10题，每题2分，共20分）

以下哪些方法可缓解过拟合？（正确选项至少2个）

A.增加训练数据量

B.增加模型复杂度

C.在损失函数中加入L2正则项

D.对输入特征做标准化

答案：AC

解析：增加数据（A）和正则化（C）直接抑制过拟合。标准化（D）加速收敛但不解决过拟合；增加复杂度（B）会加剧过拟合。

关于支持向量