2026年机器学习工程师考试题库（附答案和详细解析）（0909）.docxVIP

机器学习工程师

一、单项选择题（共10题，每题1分，共10分）

在监督学习中，当目标变量是连续的实数时，通常采用的预测任务是（）。

A.分类任务

B.回归任务

C.聚类任务

D.降维任务

答案：B

解析：回归任务的目标是预测连续数值，如房价、温度等；分类任务预测离散类别；聚类和降维属于无监督学习。因此正确选项为B。

下列哪种方法常用于防止神经网络过拟合？（）

A.增加训练轮数

B.增大模型参数量

C.在损失函数中加入L2正则化项

D.去除验证集

答案：C

解析：L2正则化通过对大权重施加惩罚，限制模型复杂度，从而缓解过拟合。增加训练轮数、增大参数量通常加重过拟合，去除验证集则无法评估泛化能力。故C正确。

在梯度下降中，学习率过大可能导致的问题是（）。

A.收敛速度过慢

B.损失函数震荡甚至发散

C.梯度消失

D.模型欠拟合

答案：B

解析：学习率过大时，参数更新步长过大，容易越过最优点，导致损失震荡或发散。学习率过小会导致收敛慢，梯度消失与网络结构和激活函数有关，欠拟合通常由模型容量不足引起。故B正确。

下列哪个指标最适合评估类别不平衡问题中的二分类模型性能？（）

A.准确率（Accuracy）

B.F1分数

C.均方误差（MSE）

D.R2分数

答案：B

解析：准确率在类别不平衡时可能具有误导性（如99%负样本时全预测负类准确率仍高）；F1