2026年机器学习工程师考试题库（附答案和详细解析）（0914）.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，当模型在训练集上误差很低，但在测试集上误差很高时，该模型最可能出现的问题是（）A.欠拟合B.过拟合C.高偏差D.未收敛

答案：B

解析：过拟合指模型过度学习训练数据中的噪声和细节，导致在训练集上表现很好但泛化能力差；欠拟合通常表现为训练误差高；高偏差一般对应欠拟合；未收敛指训练过程不充分。因此选B。

关于偏差和方差的说法，正确的是（）A.高偏差通常意味着模型过于复杂B.高方差通常意味着模型过于简单C.增加模型复杂度通常会降低偏差并提高方差D.偏差与方差之和恒等于1

答案：C

解析：高偏差对应模型过于简单，高方差对应模型过于复杂。增加模型复杂度会提升拟合能力，从而降低偏差，但也会增加对波动的敏感度，使方差增大。总误差由偏差平方、方差和不可约噪声组成，不等于固定值。因此C正确。

在线性回归中使用梯度下降法训练时，若学习率设置得过大，可能出现的现象是（）A.训练过程收敛到一个极小值B.损失函数值在迭代中震荡甚至发散C.模型直接得到全局最优解D.梯度变为零并停止更新

答案：B

解析：学习率过大会导致参数更新步长过大，可能跨过最优点，使损失函数震荡甚至发散。学习率合适时才可能较好收敛；C说法过于绝对；D与学习率过大的典型现象不符。

在构建分类决策树时，用于衡量节