人工智能工程师试题及解析.docxVIP

人工智能工程师试题及解析

一、单项选择题（共10题，每题1分，共10分）

在监督学习中，我们通常使用训练集来学习模型，使用测试集来评估模型性能。下列哪项关于训练集和测试集划分的说法是正确的？

A.训练集和测试集可以有重叠的数据点，以提高模型泛化能力

B.测试集应包含所有训练集中出现过的类别，以确保评估公平

C.训练集和测试集应来自同一分布且互斥，以保证评估的有效性

D.为了节省数据，可以将所有数据都用于训练，无需保留测试集

答案：C

解析：在机器学习实践中，为了保证模型评估结果能够反映其在未见数据上的真实性能，训练集和测试集应当来自相同的数据分布，并且两者之间不能有重叠的数据点（即互斥）。选项A错误，因为数据重叠会导致评估结果过于乐观，无法反映真实的泛化能力。选项B错误，测试集可能包含训练集中未出现过的类别，这是现实场景中常见的情况，模型对此应有鲁棒性。选项D错误，没有独立的测试集，就无法客观评估模型的性能，容易导致过拟合。

关于梯度下降优化算法，以下哪种说法最准确？

A.批量梯度下降在每次迭代时使用全部训练数据计算梯度，因此总能找到全局最优解

B.随机梯度下降在每次迭代时只使用一个样本，所以其收敛速度总是快于小批量梯度下降

C.小批量梯度下降综合了批量梯度下降和随机梯度下降的优点，是深度学习中最常用的优化方法

D.学习率设置得越大，梯度下降算法的收敛速度就越快，最