2026年算法工程师职业认证考试题库（附答案和详细解析）（0515）.docxVIP

算法工程师职业认证考试试卷

一、单项选择题（共10题，每题1分，共10分）

在机器学习中，为了防止模型过拟合，通常会使用正则化技术。以下关于L1正则化与L2正则化的描述，错误的是：A.L1正则化倾向于产生稀疏解，即许多权重系数变为0B.L2正则化倾向于使权重系数分布更均匀，防止过大值C.L1正则化对异常值比L2正则化更敏感D.在逻辑回归中，L1正则化无法直接通过梯度下降求解最优解

答案：D解析：

正确选项：D。在逻辑回归等凸优化问题中，L1正则化可以通过坐标下降法或次梯度下降法求解，并非无法直接使用梯度下降。

干扰项分析：

A：L1范数产生的Lasso效应确实会导致稀疏性。

B：L2范数即权重衰减，能有效限制权重大小。

C：L2范数对异常值不敏感，L1范数对异常值敏感，此描述符合事实。

深度神经网络中，梯度消失问题主要发生在哪种类型的网络结构中？A.卷积神经网络（CNN）B.循环神经网络（RNN）C.前馈神经网络（MLP）D.集成学习模型

答案：B解析：

正确选项：B。RNN在处理长序列时，由于链式法则导致的指数级衰减，梯度在反向传播过程中容易变得非常小（趋近于0），导致梯度消失。

干扰项分析：

A：CNN通过池化层和局部连接有效缓解了梯度消失。

C：标准MLP在深层网络中也会遇到梯度消失，但RNN是典型的表现场景。

D：集成学习不涉及梯度反向传