2026年机器学习工程师考试题库（附答案和详细解析）（0910）.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，当模型在训练集上表现优异但在测试集上表现较差时，最可能的原因是（）A.模型欠拟合B.模型过拟合C.学习率过高D.特征维度不足

答案：B

解析：过拟合是指模型在训练数据上学习得过于充分，包括噪声，导致泛化能力下降，因此在测试集上表现差。欠拟合时训练集本身表现就不好；学习率过高主要影响优化过程；特征维度不足通常导致欠拟合，而不是训练好测试差。

下列哪一项是L2正则化对模型参数的影响？（）A.使部分参数精确变为0B.使参数值整体趋向于0但不精确为0C.增加模型复杂度D.减少训练误差

答案：B

解析：L2正则化在损失函数中加入所有权重平方和的惩罚项，使参数在优化中不断衰减但不会精确为0。使参数精确为0是L1正则化的特性；L2正则化通过限制参数规模降低复杂度，可能增加训练误差。

梯度下降法中，学习率过大会导致（）A.收敛速度加快且一定到达全局最优B.损失函数可能震荡甚至发散C.模型必定欠拟合D.训练时间一定减少

答案：B

解析：学习率过大时，参数更新步长跨越山谷，损失函数容易在最优解附近震荡甚至发散，无法收敛。学习率过小则收敛慢；学习率过大不一定导致欠拟合，但会让模型不收敛。

以下哪个指标更适合评估类别不平衡的二分类模型？（）A.准确率B.召回率C.