2026年机器学习工程师考试题库（附答案和详细解析）（0605）.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良好，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D.验证

答案：A解析：过拟合是指模型在训练数据上学习到了噪声和细节，导致模型过于复杂，无法适应新的数据；欠拟合是指模型过于简单，无法捕捉数据的潜在规律；泛化是指模型将学到的一般性规则应用到新数据上的能力。

以下哪项技术主要用于解决类别不平衡问题？A.DropoutB.数据增强C.SMOTE（合成少数类过采样技术）D.BatchNormalization

答案：C解析：SMOTE是一种过采样技术，通过在少数类样本之间插入新的合成样本来平衡数据集，从而解决类别不平衡问题。Dropout用于防止过拟合；数据增强常用于图像处理；BatchNormalization用于加速训练收敛。

在梯度下降法中，学习率（LearningRate）的作用是：A.决定模型的复杂度B.控制参数更新的步长C.防止梯度消失D.决定激活函数的类型

答案：B解析：学习率是优化算法中的超参数，决定了每次参数更新的幅度。步长过大可能导致不收敛或震荡，步长过小会导致收敛速度慢。

以下关于贝叶斯定理的描述，错误的是：A.贝叶斯定理描述了条件概率之间的关系B.后验概率=