2026年机器学习工程师考试题库（附答案和详细解析）（0916）.docxVIP

机器学习工程师

一、单项选择题（共10题，每题1分，共10分）

下列哪项最能反映模型欠拟合的表现？

A.模型在训练集上误差较高，在测试集上误差也较高。

B.模型在训练集上误差较低，在测试集上误差较高。

C.模型在训练集上误差较高，在测试集上误差较低。

D.模型在训练集和测试集上误差均较低。

答案：A

解析：欠拟合指模型没有充分学习训练数据中的规律，因此训练误差高；由于模型本身表达能力不足，测试误差通常也高。选项B描述的是过拟合，选项D是理想拟合。

逻辑回归中，输出概率与线性得分之间是什么关系？

A.通过Sigmoid函数将线性得分映射到[0,1]区间。

B.通过ReLU函数将线性得分映射到[0,+∞]。

C.通过Softmax函数将线性得分映射到[-1,1]。

D.直接使用线性得分作为概率。

答案：A

解析：逻辑回归通过Sigmoid函数将线性组合的输出映射到(0,1)，作为正类概率。ReLU输出非负且无上限，Softmax用于多分类概率归一化，线性得分也不满足概率范围要求。

在带L2正则化的线性回归模型（岭回归）中，增大正则化系数λ将会产生什么效果？

A.模型权重整体变小，模型复杂度降低。

B.模型权重整体变大，模型复杂度提高。

C.所有权重精确变为零，实现特征选择。

D.训练误差必然上升，测试误差必然下降。

答案：A

解析：L2正则化对权重