2026年机器学习考试试卷及解析.docxVIP

2026年机器学习考试试卷及解析

一、单项选择题（共10题，每题1分，共10分）

以下关于小批量随机梯度下降算法的描述，正确的是

A.每次参数更新时使用全部训练集数据计算损失梯度

B.每次参数更新时仅使用单条训练数据计算损失梯度

C.每次参数更新时使用一小部分采样的训练数据计算损失梯度

D.该算法的训练过程完全不会出现收敛到局部最优解的情况

答案：C

解析：小批量随机梯度下降是当前工业界最常用的梯度优化策略，核心逻辑就是每次从训练集中采样一小批样本计算梯度完成更新。选项A描述的是批量梯度下降的特性，选项B描述的是原始随机梯度下降的特性，选项D错误在于非线性机器学习模型的优化空间天然存在局部最优解，小批量随机梯度下降无法完全规避这类情况，只能通过动量、学习率调度等策略降低陷入劣质局部最优的概率。

以下哪种现象最能说明训练完成的模型出现了过拟合问题

A.模型在训练集上准确率高，在从未见过的测试集上准确率大幅降低

B.模型在训练集上准确率高，在测试集上准确率同样维持较高水平

C.模型在训练集和测试集上的准确率都长期处于较低水平

D.模型训练过程中损失值持续震荡无法稳定下降

答案：A

解析：过拟合的核心定义就是模型过度学习训练集的独有噪声，失去了对未知样本的泛化能力，直接表现就是训练集效果远好于测试集效果。选项B是理想的泛化效果，选项C是欠拟合的典型表现，选项D通常是优化策