2025年机器学习工程师考试题库（附答案和详细解析）（1020）.docxVIP

机器学习工程师考试试卷

一、单项选择题（共10题，每题1分，共10分）

以下哪项是监督学习的典型任务？

A.降维（如PCA）

B.分类（如预测邮件是否为垃圾邮件）

C.聚类（如用户分群）

D.关联规则挖掘（如购物篮分析）

答案：B

解析：监督学习需要标签数据，核心任务是从输入到输出的映射。分类任务（如垃圾邮件识别）需要标注好的“垃圾/非垃圾”标签，属于监督学习。A（降维）、C（聚类）、D（关联规则）均为无监督学习任务，无需标签数据。

支持向量机（SVM）的核心思想是？

A.最小化训练误差

B.最大化类别间隔（Margin）

C.构建多棵决策树并集成

D.通过梯度下降优化交叉熵损失

答案：B

解析：SVM的核心是找到一个超平面，使得两类样本到超平面的最小距离（间隔）最大化，从而提高模型泛化能力。A是经验风险最小化的一般目标；C是随机森林的思想；D是神经网络等模型的优化方式。

以下哪种指标最适合评估类别高度不平衡的分类任务？

A.准确率（Accuracy）

B.F1分数（F1-score）

C.均方误差（MSE）

D.R2分数（R-squared）

答案：B

解析：类别不平衡时，准确率会被多数类主导（如99%负样本时，全预测负样本准确率99%但无意义）。F1分数是精确率和召回率的调和平均，能综合反映少数类的识别能力。C是回归任务指标，D是回归模型拟合优度指标。

以下哪种方法最常用于解决过拟合问题？

A.增加训练数据量

B.减少特征数量

C.提高模型复杂度

D.降低学习率

答案：A

解析：过拟合的本质是模型对训练数据过度学习，泛化能力差。增加训练数据量可提供更多样本多样性，缓解过拟合。B（减少特征）可能丢失有用信息；C（提高复杂度）会加剧过拟合；D（降低学习率）影响优化速度，与过拟合无直接关联。

特征工程中，“将年龄字段从连续值转换为‘青年/中年/老年’分桶”属于？

A.特征提取

B.特征选择

C.特征离散化

D.特征归一化

答案：C

解析：特征离散化是将连续特征划分为离散区间（如年龄分桶），可降低噪声影响并提升模型鲁棒性。A（提取）指从原始数据生成新特征（如图像像素转HOG特征）；B（选择）是筛选重要特征；D（归一化）是将特征缩放到同一尺度（如0-1或Z-score）。

模型部署时，“将训练好的PyTorch模型转换为ONNX格式”主要目的是？

A.提高模型准确率

B.减少模型参数量

C.增强模型可解释性

D.实现跨框架推理（如TensorRT/OpenVINO）

答案：D

解析：ONNX（开放神经网络交换格式）是模型序列化的标准协议，支持不同框架（PyTorch/TensorFlow）间的模型迁移和推理部署。A（准确率）由训练决定；B（参数量）需通过剪枝/量化实现；C（可解释性）需SHAP/LIME等方法。

逻辑回归（LogisticRegression）的损失函数通常是？

A.均方误差（MSE）

B.交叉熵损失（Cross-Entropy）

C.绝对误差（MAE）

D.Hinge损失

答案：B

解析：逻辑回归用于二分类，输出概率值，交叉熵损失能衡量预测概率与真实标签的差异（标签为0/1时，损失函数为-ylog(p)-(1-y)log(1-p)）。A是回归任务损失；C是鲁棒回归损失；D是SVM的损失函数。

以下哪种梯度下降变体的计算效率最高？

A.批量梯度下降（BatchGD）

B.随机梯度下降（SGD）

C.小批量梯度下降（Mini-batchGD）

D.动量梯度下降（MomentumGD）

答案：B

解析：SGD每次仅用1个样本计算梯度，更新速度最快（但噪声大）。A（批量GD）需遍历所有样本，计算成本高；C（小批量）是折中的常用方法；D（动量）是优化策略，不改变计算效率。

集成学习中，随机森林（RandomForest）属于？

A.Bagging方法

B.Boosting方法

C.Stacking方法

D.梯度提升树（GBT）

答案：A

解析：随机森林通过自助采样（Bootstrap）生成多棵决策树，每棵树独立训练后投票（分类）或平均（回归），是典型的Bagging（自助聚合）方法。B（Boosting）如Adaboost/XGBoost是串行训练，关注前序模型的错误样本；C（Stacking）是多层模型堆叠；D（GBT）是Boosting的一种。

深度学习中，ReLU激活函数的主要优点是？

A.避免梯度消失

B.输出值范围在(-1,1)

C.计算复杂度高

D.适合所有层的激活

答案：A

解析：ReLU（RectifiedLinearUnit）在输入0时梯度为1，避免了Sigmoid/Tanh在饱和区的梯度消失问题，加速训练。B是T