人工智能工程师机器学习基础试题及解析.docxVIP

人工智能工程师机器学习基础试题及解析

一、单项选择题（共10题，每题1分，共10分）

监督学习和无监督学习的核心划分依据是以下哪一项？

A.模型训练过程中是否使用带有标注标签的训练数据

B.模型训练所需的算力资源高低

C.模型最终输出的准确率高低

D.模型上线部署的复杂度大小

答案：A

解析：监督学习的核心定义是训练数据包含输入特征和对应的预期输出标签，模型学习从输入到标签的映射关系；无监督学习的训练数据仅包含输入特征，没有对应标签，模型自主挖掘数据的内在分布规律，因此划分依据为是否使用带标注数据。选项B错误，两类算法都存在算力要求高低的不同子类，无监督算法也可能需要极高算力；选项C错误，两类算法的准确率没有绝对高低之分，取决于具体任务和数据；选项D错误，部署复杂度和算法类别没有直接关联，和模型体积、推理逻辑相关。

机器学习模型出现过拟合时的典型表现是以下哪一项？

A.训练集误差高、测试集误差高

B.训练集误差低、测试集误差高

C.训练集误差低、测试集误差低

D.训练集误差高、测试集误差低

答案：B

解析：过拟合的本质是模型过度学习了训练集中的噪声和特例特征，没有学习到通用的数据规律，因此在训练数据上表现很好、误差很低，但在未见过的测试数据上表现很差、误差很高。选项A是欠拟合的典型表现，模型拟合能力不足，在两类数据上效果都差；选项C是模型泛化能力优秀的表现；选项D的