2026年人工智能训练师(机器学习模型评估)实操试卷.docxVIP

2026年人工智能训练师(机器学习模型评估)实操试卷

第PAGE1页共NUMPAGES1页

2026年人工智能训练师(机器学习模型评估)实操试卷

一、单项选择题（共20小题，每题1分）

1.在机器学习模型评估中，用于衡量模型预测值与实际值之间差异的指标是？

A.准确率

B.精确率

C.召回率

D.均方误差

参考答案：D

解析：均方误差（MSE）是衡量模型预测值与实际值之间差异的常用指标，通过计算预测值与实际值之间差的平方的平均值来评估模型性能。准确率、精确率和召回率主要用于分类模型评估，而均方误差适用于回归模型评估。选项A的准确率是分类模型中预测正确的样本比例；选项B的精确率是预测为正类的样本中实际为正类的比例；选项C的召回率是实际为正类的样本中被预测为正类的比例。

2.下列哪种方法不属于模型过拟合的常见解决策略？

A.增加训练数据

B.使用正则化技术

C.降低模型复杂度

D.增加模型参数数量

参考答案：D

解析：增加模型参数数量通常会导致模型复杂度增加，更容易过拟合，因此不属于解决过拟合的常见策略。解决过拟合的常见策略包括增加训练数据（选项A）、使用正则化技术（选项B）和降低模型复杂度（选项C）。选项D的做法会加剧过拟合问题，因此是错误选项。

3.在交叉验证中，k折交叉验证指的是将数据集