2026年Python机器学习Scikitlearn面试题及答案

2026年Python机器学习Scikitlearn面试题及答案一、选择题（每题2分，共10题）1.在Scikitlearn中，用于实现线性回归模型的类是？A.RandomForestRegressorB.LogisticRegressionC.LinearRegressionD.KNeighborsClassifier答案：C解析：`LinearRegression`是Scikitlearn中用于线性回归的类，其余选项分别用于随机森林回归、逻辑回归分类和K近邻分类。2.下列哪个Scikitlearn模块提供了数据预处理工具？A.`sklearn.decomposition`B.`sklearn.preprocessing`C.`sklearn.model_selection`D.`sklearn.cluster`答案：B解析：`sklearn.preprocessing`包含标准化、归一化、编码等数据预处理工具，其余选项分别用于降维、模型选择和聚类。3.在Scikitlearn中，用于评估模型泛化能力的交叉验证方法是？A.`train_test_split`B.`cross_val_score`C.`GridSearchCV`D.`kneighbors`答案：B解析：`cross_val_score`实现交叉验证，评估模型泛化能力；`train_test_split`用于数据分割，`GridSearchCV`用于超参数调优，`kneighbors`是K近邻算法。4.下列哪个Scikitlearn类用于实现K-Means聚类算法？A.`sklearn.cluster.DBSCAN`B.`sklearn.cluster.KMeans`C.`sklearn.cluster.SpectralClustering`D.`sklearn.cluster.AgglomerativeClustering`答案：B解析：`KMeans`是K-Means聚类算法的实现，其余选项分别用于DBSCAN、谱聚类和层次聚类。5.在Scikitlearn中，用于处理文本数据的类是？A.`sklearn.feature_extraction.text.TfidfVectorizer`B.`sklearn.preprocessing.StandardScaler`C.`sklearn.decomposition.PCA`D.`sklearn.cluster.KMeans`答案：A解析：`TfidfVectorizer`用于文本特征提取，`StandardScaler`用于数值特征标准化，`PCA`用于降维，`KMeans`用于聚类。二、填空题（每空1分，共5题）6.Scikitlearn中，用于划分训练集和测试集的函数是_______。答案：train_test_split解析：`train_test_split`是Scikitlearn中常用的数据分割函数。7.在逻辑回归模型中，`penalty`参数用于控制正则化方法，`l1`和`l2`分别对应_______和_______正则化。答案：L1（Lasso）、L2（Ridge）解析：`l1`对应Lasso正则化（L1），`l2`对应Ridge正则化（L2）。8.用于评估分类模型性能的指标之一是_______，它表示模型正确分类的样本比例。答案：准确率（Accuracy）解析：准确率是分类模型最常用的评估指标之一。9.Scikitlearn中，用于实现决策树分类器的类是_______。答案：DecisionTreeClassifier解析：`DecisionTreeClassifier`是Scikitlearn中决策树分类器的实现。10.在特征工程中，用于将类别特征转换为数值特征的常用方法是_______编码。答案：独热（One-Hot）解析：独热编码（One-HotEncoding）是处理类别特征的常用方法。三、简答题（每题5分，共4题）11.简述Scikitlearn中交叉验证的原理及其优势。答案：交叉验证（Cross-Validation）是一种评估模型泛化能力的方法，通过将数据集分成多个子集，轮流用其中一个子集作为测试集，其余作为训练集，计算模型在所有测试集上的性能平均值。优势：-避免过拟合：减少单一分割对模型性能的影响。-充分利用数据：每个样本都会被用于训练和测试。-更可靠的评估：性能评估更稳定。12.解释Scikitlearn中`GridSearchCV`的作用及其工作原理。答案：`GridSearchCV`用于超参数调优，通过遍历所有给定的参数组合，找到最佳参数组合。工作原理：-定义参数网格（参数范围）。-使用交叉验证评估每个组合的性能。-选择最优参数组合。13.在Scikitlearn中，如何处理缺失值？请列举两种方法。答案：处理缺失值的方法：1.删除缺失值：使用`dropna()`删除包含缺失值的行或列。2.填充缺失值：使用`SimpleImputer`或`KNNImputer`填充缺失值。注意：填充方法需结合业务场景选择。14.解释Scikitlearn中`Pipeline`的作用及其优点。答案：`Pipeline`用于链式执行多个数据处理或模型训练步骤，防止数据泄露。优点：-防止数据泄露：确保每个步骤的数据独立。-提高代码可读性：简化流程。-集成预处理和模型训练。四、编程题（每题15分，共2题）15.题目：使用Scikitlearn实现一个线性回归模型，预测房价。数据集如下：|房积（平方米）|房价（万元）||-|--||50|300||60|350||70|400||80|450|要求：-使用`train_test_split`划分数据（测试集比例30%）。-训练模型并预测测试集结果。-计算R²分数。答案：pythonfromsklearn.model_selectionimporttrain_test_splitfromsklearn.linear_modelimportLinearRegressionfromsklearn.metricsimportr2_score数据X=[[50],[60],[70],[80]]#房积y=[300,350,400,450]#房价划分数据X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.3,random_state=42)训练模型model=LinearRegression()model.fit(X_train,y_train)预测y_pred=model.predict(X_test)计算R²r2=r2_score(y_test,y_pred)print(f"R²分数:{r2:.2f}")16.题目：使用Scikitlearn实现一个K-Means聚类模型，对以下数据点进行聚类：|X|Y|||||1|2||2|3||5|8||7|8||9|1||10|2|要求：-使用`KMeans`聚类（聚类数=2）。-打印聚类标签和聚类中心。-可视化聚类结果（使用`matplotlib`）。答案：pythonimportnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.clusterimportKMeans数据X=np.array([[1,2],[2,3],[5,8],[7,8],[9,1],[10,2]])聚类kmeans=KMeans(n_clusters=2,random_state=42)labels=kmeans.fit_predict(X)centers=kmeans.cluster_centers_打印结果print("聚类标签:",labels)print("聚类中心:",centers)可视化plt.scatter(X[:,0],X[:,1],c=