2026年数据科学考研复试常见题目.docxVIP

第PAGE页共NUMPAGES页

2026年数据科学考研复试常见题目

一、专业知识综合题（每题10分，共2题）

1.题目：

简述机器学习中的过拟合与欠拟合现象，并分别针对以下场景提出解决方案：

-场景A：某电商平台利用用户历史购买数据预测商品销量，但模型在训练集上表现完美，但在测试集上预测误差较大。

-场景B：某城市交通管理部门利用机器学习预测高峰期拥堵指数，但模型预测结果与实际观测值偏差明显，且波动较大。

答案与解析：

过拟合与欠拟合的定义及解决方案

-过拟合：模型在训练数据上表现极好，但在测试数据上表现差，原因是模型过于复杂，学习了噪声而非潜在规律。

-解决方案：

-正则化（L1/L2）：在损失函数中添加惩罚项，限制模型参数大小。

-简化模型：减少特征数量或降低模型复杂度（如从高阶多项式回归降为一阶）。

-交叉验证：用K折交叉验证评估模型泛化能力，筛选最优参数。

-欠拟合：模型过于简单，未能捕捉数据中的核心规律，导致训练集和测试集表现均较差。

-解决方案：

-增加特征：引入更多相关变量或进行特征工程（如交互特征、多项式特征）。

-提升模型复杂度：从线性模型升级为非线性模型（如从线性回归改为决策树或神经网络）。

-减少正则化强度：降低L1/L2惩罚项权重，让模型更自由地拟合数据。

场景A解决方案

-问题分析：模型在训练集上完美拟合，说明存