2026年机器学习工程师考试题库（附答案和详细解析）（0521）.docxVIP

机器学习工程师

一、单项选择题（共10题，每题1分，共10分）

在机器学习中，如果一个模型在训练集上表现很好，但在新的、未见过的数据上表现很差，这种现象被称为（）。A.过拟合B.欠拟合C.泛化能力D.偏差-方差权衡答案：A解析：过拟合是指模型在训练数据上学习得过于彻底，甚至学习了噪声，导致模型对训练数据拟合太好，但无法很好地推广到新数据上。B选项欠拟合是指模型过于简单，无法捕捉数据中的规律；C选项泛化能力是指模型在新数据上的表现；D选项是权衡的概念。

以下哪种优化算法通常被认为具有最快的收敛速度，但可能在非凸优化问题中陷入局部最优解？（）A.梯度下降法B.随机梯度下降法（SGD）C.牛顿法D.小批量梯度下降法答案：C解析：牛顿法利用二阶导数信息，收敛速度通常比一阶梯度下降法快，但在处理大规模数据或非凸问题时，计算Hessian矩阵的代价过高，且容易陷入局部最优解。SGD和BGD是一阶方法，收敛较慢但更稳定。

在深度学习中，BatchNormalization（批归一化）层的主要作用不包括（）。A.加速训练收敛B.减少内部协变量偏移C.提高模型的泛化能力D.增加模型的参数量答案：D解析：批归一化的主要目的是加速训练收敛、解决梯度消失/爆炸问题以及减少对初始化的依赖，从而提高泛化能力。虽然BN会引入可学习的缩放和