2026年算法工程师职业认证考试题库（附答案和详细解析）（0527）.docxVIP

算法工程师职业认证

一、单项选择题（共10题，每题1分，共10分）

在机器学习模型训练过程中，为了防止模型过拟合，通常采用正则化技术。以下关于L1正则化（Lasso回归）与L2正则化（Ridge回归）的描述，正确的是：A.L1正则化倾向于使权重绝对值趋向于0，L2正则化倾向于使权重趋向于0但不一定是0B.L1正则化比L2正则化更适合处理高维稀疏数据C.L2正则化会产生稀疏解，L1正则化会产生密集解D.在解决多重共线性问题时，L1正则化比L2正则化效果更好

答案：A解析：A正确。L1正则化（Lasso）的惩罚项是权重的绝对值之和，其几何解释为菱形约束，容易将某些权重直接压缩为0，产生稀疏解；L2正则化（Ridge）的惩罚项是权重的平方和，其几何解释为圆形约束，只能将权重向0靠拢但很难变为0。L1正则化确实更适合处理高维稀疏数据（特征选择）。B错误，因为L1产生稀疏解，L2不产生稀疏解。C错误，与A所述相反。D错误，L2在解决多重共线性时效果更好，因为它能平滑系数。

在深度学习中，Dropout层通常在训练阶段使用，而在推理（预测）阶段关闭。以下关于Dropout机制的说法，错误的是：A.Dropout通过随机丢弃神经元来防止神经元之间产生复杂的共适应B.Dropout可以看作是一种集成学习的方法C.在推理阶段，通常不需要对Dropout层的输出进行缩放