2026年机器学习工程师考试题库（附答案和详细解析）（0525）.docxVIP

机器学习工程师

一、单项选择题（共10题，每题1分，共10分）

在机器学习模型训练中，为了防止过拟合，通常会在损失函数中添加正则化项。以下哪项不属于正则化技术？A.L1正则化B.L2正则化C.DropoutD.批归一化

答案：D解析：L1和L2正则化通过在损失函数中添加权重的范数来限制模型复杂度；Dropout通过在训练过程中随机丢弃神经元来防止特征共适应；批归一化主要解决内部协变量偏移并加速收敛，不属于防止过拟合的显式正则化手段。

在处理高维稀疏数据时，以下哪种算法通常表现最好？A.支持向量机（SVM）B.逻辑回归C.稀疏随机梯度下降D.K近邻

答案：C解析：稀疏随机梯度下降（SGD）专门针对稀疏数据进行了优化，能够高效处理大量零值特征，计算效率远高于SVM和逻辑回归等需要计算所有特征向量的算法。

以下关于“过拟合”与“欠拟合”的描述，正确的是：A.欠拟合是指模型在训练集上表现好，但在测试集上表现差B.过拟合是指模型在训练集上表现差，但在测试集上表现好C.过拟合是指模型对训练数据中的噪声和细节学习过度，导致泛化能力下降D.欠拟合是指模型过于简单，无法捕捉数据的基本结构

答案：CD解析：A错误，欠拟合是指模型无法在训练集上表现好，导致泛化能力差；B错误，过拟合是指模型在训练集上表现好，但在测试集上表现差；CD均正确描述了过拟