2026年专业知识考试真题(完整版)

2026年专业知识考试真题(完整版)一、单项选择题（本大题共20小题，每小题1.5分，共30分。在每小题列出的四个备选项中只有一个是符合题目要求的，请将其代码填在括号内。）1.在深度学习模型训练中，为了解决梯度消失问题，下列哪种激活函数及其变体最为常用且有效？（）A.SigmoidB.TanhC.ReLU(RectifiedLinearUnit)D.Softmax2.在Transformer架构的核心组件“自注意力机制”中，为了防止模型在预测时看到未来的信息，通常会采用哪种技术？（）A.残差连接B.层归一化C.掩码D.位置编码3.某大型互联网公司正在构建一个推荐系统，数据集包含1亿个用户和100万种商品。在协同过滤算法中，如果直接使用基于用户的协同过滤，最大的计算瓶颈在于？（）A.用户相似度矩阵的计算量过大B.商品相似度矩阵无法收敛C.无法处理冷启动问题D.矩阵分解时的奇异值分解速度过快4.在强化学习中，智能体通过与环境交互来学习策略。关于Q-learning算法，下列说法正确的是？（）A.它是一种基于策略梯度的算法B.它使用深度网络来逼近状态价值函数VC.它遵循贝尔曼最优方程，通过时序差分（TD）误差更新Q值表D.它只能处理离散的动作空间，无法处理连续动作空间5.给定一个二分类问题，测试集中有100个样本。其中正类样本50个，负类样本50个。模型预测结果为：真正例（TP）为40，假正例（FP）为10，假反例（FN）为10，真反例（TN）为40。则该模型的F1-Score是多少？（）A.0.80B.0.85C.0.90D.0.756.在卷积神经网络（CNN）中，假设输入图像大小为32×32×3（高×宽A.28B.32C.28D.167.下列关于主成分分析（PCA）和线性判别分析（LDA）的描述，错误的是？（）A.PCA是无监督学习方法，LDA是有监督学习方法B.PCA旨在最大化投影后方差，LDA旨在最大化类间离散度与类内离散度的比值C.PCA降维后的数据不一定能保留最佳的分类判别信息D.LDA在二分类问题中只能将数据投影到一条直线，且投影方向不唯一8.在生成对抗网络（GAN）中，生成器和判别器的训练目标通常是相反的。判别器D试图最大化目标函数，而生成器G试图最小化目标函数。这个博弈过程的纳什均衡点是？（）A.D(xB.D(xC.D(GD.生成器的损失函数为09.在数据结构中，若希望快速找到一个元素是否在集合中，并且不要求元素有序，通常使用哪种数据结构？（）A.平衡二叉搜索树B.哈希表C.链表D.堆10.关于数据库事务的ACID特性，其中“隔离性”是指？（）A.事务执行后，其结果是永久的B.事务中的操作要么全部执行，要么全部不执行C.并发执行的事务之间互不干扰，一个事务的中间状态对其他事务不可见D.事务执行前后，数据库从一个一致性状态转变到另一个一致性状态11.在自然语言处理中，BERT模型的全称是？（）A.BidirectionalEncoderRepresentationsfromTransformersB.BidirectionalEvaluationandRetrievalTransformerC.BinaryEncodingforRecurrentTransformerD.BackwardEmbeddingRepresentationTechnique12.已知某算法的时间复杂度为T(A.OB.OC.OD.O13.在Kubernetes(K8s)集群管理中，用于管理无状态应用的最小部署单元是？（）A.NodeB.PodC.DeploymentD.Service14.下列关于网络安全中“中间人攻击”（MITM）的防御措施，无效的是？（）A.使用强加密协议（如TLS1.3）B.实施证书锁定C.关闭所有不常用的端口D.避免使用公共Wi-Fi进行敏感操作（虽然这是行为层面的，但在技术层面，仅关闭端口无法防御应用层的MITM）15.在Python编程中，关于GIL（全局解释器锁）的描述，正确的是？（）A.GIL保证了Python多线程可以充分利用多核CPU资源进行计算密集型任务B.GIL是互斥锁，用于防止多个线程同时执行Python字节码C.在进行I/O密集型操作时，GIL会被释放，因此多线程在I/O任务中效率较高D.可以通过简单的Python代码命令强制释放GIL16.在图神经网络（GNN）的消息传递机制中，节点的特征更新通常依赖于？（）A.仅节点自身的初始特征B.仅邻居节点的特征C.节点自身的特征、邻居节点的特征以及边的特征D.全局图的平均特征17.某系统采用LRU（最近最少使用）算法作为页面置换算法。若分配给进程的物理块数为3，页面引用序列为：4,1,2,4,3,2,1,5。则发生缺页中断的次数是？（）A.5B.6C.7D.818.在贝叶斯分类器中，若特征条件独立假设成立，则称之为朴素贝叶斯。当某个特征值在训练集中从未出现过（即概率为0）时，会导致后验概率计算为0。解决此问题的常用技术是？（）A.拉普拉斯平滑B.正则化C.降采样D.特征缩放19.在微服务架构中，服务之间常用的轻量级通信协议是？（）A.SOAPB.HTTP/RESTfulAPI或gRPCC.CORBAD.RMI20.关于目标检测算法中的IoU（交并比），下列公式正确的是？（设A为预测框，B为真实框）（）A.IB.IC.ID.I二、多项选择题（本大题共10小题，每小题2分，共20分。在每小题列出的五个备选项中至少有两个是符合题目要求的，请将其代码填在括号内。错选、多选、少选均不得分。）21.深度学习中的正则化方法包括以下哪些？（）A.DropoutB.L1/L2正则化C.早停法D.数据增强E.批归一化22.Linux操作系统中，用于查看进程状态的常用命令有哪些？（）A.psB.topC.netstatD.lsE.df23.支持向量机（SVM）中，核函数的作用是将低维空间的非线性可分数据映射到高维空间使其线性可分。常见的核函数有哪些？（）A.线性核函数B.多项式核函数C.高斯径向基核函数（RBF）D.Sigmoid核函数E.余弦相似度核函数24.下列哪些属于设计模式中的“创建型模式”？（）A.单例模式B.工厂方法模式C.观察者模式D.装饰器模式E.建造者模式25.在数据清洗过程中，处理缺失值的方法有哪些？（）A.删除包含缺失值的行或列B.使用均值、中位数或众数填充C.使用插值法（如线性插值）填充D.使用预测模型（如KNN）预测并填充E.直接忽略，不做任何处理26.关于TCP协议的三次握手，下列描述正确的有？（）A.第一次握手：客户端发送SYN包，进入SYN_SENT状态B.第二次握手：服务端收到SYN包，发送SYN+ACK包，进入SYN_RCVD状态C.第三次握手：客户端收到SYN+ACK包，发送ACK包，进入ESTABLISHED状态D.三次握手的主要目的是为了防止已失效的连接请求报文段突然又传送到了服务端E.三次握手建立连接后，双方都可以随时发送数据，不需要再确认27.Docker容器技术相比传统虚拟机技术的优势包括？（）A.启动速度快（秒级vs分钟级）B.占用资源更少（共享宿主机内核）C.隔离性更强（完全独立的操作系统内核）D.部署和迁移更方便（通过镜像）E.安全性绝对高于虚拟机28.在评估回归模型时，常用的性能指标有哪些？（）A.均方误差(MSE)B.均方根误差(RMSE)C.平均绝对误差(MAE)D.(决定系数)E.准确率29.下列关于Redis数据库的描述，正确的有？（）A.Redis是基于内存运行的，因此读写速度极快B.Redis支持持久化，可以将数据保存到磁盘（RDB或AOF）C.Redis支持丰富的数据结构，如String,List,Set,Hash,ZSetD.Redis默认只支持单线程模式处理命令，避免了线程切换和锁竞争E.Redis不仅可以用作缓存，还可以用作消息队列30.在软件工程中，敏捷开发的核心价值观包括？（）A.个体和互动高于流程和工具B.可工作的软件高于详尽的文档C.客户合作高于合同谈判D.响应变化高于遵循计划E.严格的计划高于灵活性三、判断题（本大题共15小题，每小题1分，共15分。请判断下列各题的正误，正确的在括号内打“√”，错误的打“×”。）31.在Python中，`is`操作符用于比较两个变量的值是否相等。（）32.梯度下降算法中，学习率过大可能导致无法收敛，学习率过小可能导致收敛速度过慢。（）33.链表是一种随机存取的数据结构，访问第i个元素的时间复杂度是O(1)。（）34.HTTPS协议通过在HTTP下加入SSL层，实现了数据传输的加密和身份验证。（）35.所有的递归算法都可以转化为迭代（循环）算法，反之亦然。（）36.在深度学习中，BatchNormalization（BN）层通常用于全连接层或卷积层之后，激活函数之前。（）37.IP地址属于公网IP地址，可以直接在互联网上被访问。（）38.决策树模型容易产生过拟合，剪枝是防止过拟合的重要手段。（）39.MapReduce计算模型中，Map阶段负责“归约”，Reduce阶段负责“映射”。（）40.在关系型数据库中，视图是一个虚拟表，其数据并不物理存储，而是基于基表的数据动态生成。（）41.K-均值聚类算法对初始聚类中心的选择敏感，不同的初始中心可能导致不同的聚类结果。（）42.前端开发中，`<div>`标签是行内元素，`<span>`标签是块级元素。（）43.堆排序是一种不稳定的排序算法。（）44.在深度学习中，Fine-tuning（微调）预训练模型时，通常将学习率设置得比从头训练时更大。（）45.边缘计算是指在数据产生源（如物联网设备）附近进行处理，以减少响应时间和带宽消耗。（）四、填空题（本大题共10小题，每小题1.5分，共15分。请在每小题的空格中填上正确答案。）46.在二叉树的前序遍历、中序遍历和后序遍历中，访问左子树和右子树的相对顺序是______的（填“相同”或“不同”）。47.已知数列=，其前n项和的通项公式是______。48.在HTTP状态码中，______表示“未找到资源”，______表示“内部服务器错误”。49.在卷积神经网络中，______层通常用于降低特征图的空间维度，减少计算量和参数数量，同时在一定程度上控制过拟合。50.随机变量X服从正态分布N(μ,)，则51.在Python中，使用______库可以方便地进行科学计算和矩阵运算。52.计算机网络中，IP地址subnetmask（子网掩码）的作用是区分IP地址中的______部分和主机部分。53.在编译原理中，将源代码翻译成中间代码或目标代码的过程通常分为词法分析、语法分析、语义分析、______和代码生成等阶段。54.负载均衡算法中，______算法将请求依次分发到后端服务器，不考虑服务器的实际负载情况。55.在大O符号表示法中，O(nl五、简答题（本大题共5小题，每小题5分，共25分。）56.简述卷积神经网络（CNN）中局部感受野和权值共享的概念及其作用。57.请解释数据库中的脏读、不可重复读和幻读现象，并说明事务的隔离级别如何解决这些问题。58.简述RESTful架构风格的主要设计原则和约束。59.在机器学习中，什么是偏差和方差？它们与模型复杂度的关系是什么？什么是偏差-方差权衡？60.请列举至少三种常见的软件负载均衡策略，并简要说明其适用场景。六、计算题（本大题共3小题，每小题8分，共24分。要求写出必要的计算过程和公式。）61.假设我们有一个简单的二分类逻辑回归模型。模型的预测函数为(x)=σ(给定一个样本：x=[1,2(1)计算当前模型对该样本的预测值(x(2)计算该样本的损失值J((3)计算该样本对参数θ的梯度∇J(θ62.某公司开发了一个推荐系统，在上线测试阶段收集了以下数据：推荐给用户且用户喜欢的物品数：300推荐给用户但用户不喜欢的物品数：200用户喜欢但系统未推荐的物品数：100用户不喜欢且系统未推荐的物品数：400请计算：(1)准确率(2)召回率(3)精确率和召回率的调和平均数63.设有集合A=1,3,(1)计算A∩(2)计算A∪(3)计算AB(4)计算A―七、案例分析题（本大题共2小题，每小题21分，共42分。）64.案例背景：某电商平台计划在“双十一”大促期间重构其商品搜索服务。原系统是基于单机数据库的模糊查询，随着商品量级突破亿级，查询延迟已无法满足业务需求（要求在200ms以内返回结果）。系统需要支持关键词搜索、商品属性筛选（如品牌、价格区间）、个性化排序以及高并发访问。问题：(1)为了支持海量数据的快速检索，你会选择哪种技术方案作为搜索引擎的核心？请简述理由。（7分）(2)在高并发场景下，为了减轻数据库压力，常用的缓存策略有哪些？如果采用Redis作为缓存，如何解决缓存穿透、缓存击穿和缓存雪崩问题？（7分）。(3)假设搜索服务部署在多台服务器上，为了保证数据的一致性，在用户下单购买某件商品后，库存数量减少，该库存变化需要实时（或准实时）同步到搜索引擎索引中。请设计一种可行的数据同步方案，并分析其优缺点。（7分）65.案例背景：一家自动驾驶初创公司正在训练其视觉感知模型，用于识别道路上的行人、车辆和交通标志。数据集包含从车载摄像头采集的10万张标注图片。在训练过程中，研发团队发现模型在测试集上的准确率很高，但在实际道路测试中表现不佳，特别是在阴雨天和夜间场景下。此外，模型的大小限制了车载芯片的推理速度。问题：(1)分析模型在测试集表现好但在实际场景差的可能原因。这属于哪种机器学习问题？应如何从数据和算法层面进行改进？（10分）(2)针对模型推理速度慢的问题，请列举至少三种模型压缩或加速技术，并简要说明其原理。（6分）(3)在自动驾驶这种安全攸关的场景中，除了准确率，还应该关注哪些评估指标？为什么？（5分）试卷答案与解析一、单项选择题1.【答案】C【解析】Sigmoid和Tanh函数在输入值非常大或非常小时，梯度会趋近于0，导致深层网络中梯度消失，无法更新参数。ReLU函数在正区间的梯度恒为1，有效缓解了梯度消失问题，且计算速度快，因此是目前最常用的激活函数。Softmax通常用于多分类问题的输出层。2.【答案】C【解析】在Transformer的Decoder部分，为了保持自回归属性（即预测当前词只能依赖之前的词），需要将当前位置之后的AttentionScore设为负无穷大（经过Softmax后为0），这就是掩码的作用。3.【答案】A【解析】基于用户的协同过滤需要计算所有用户之间的相似度。当用户量巨大（1亿）时，计算×的相似度矩阵是不可行的，计算量极大。基于物品的协同过滤通常更稳定，因为物品数量（100万）远小于用户数量，且用户兴趣相对固定。4.【答案】C【解析】Q-learning是值迭代算法，基于贝尔曼最优方程更新Q表。它不是策略梯度（A错），它逼近的是动作价值函数Q(s,5.【答案】A【解析】精确率P=TP/(6.【答案】A【解析】卷积后尺寸计算公式：Ou高/宽：(325+7.【答案】D【解析】LDA在二分类问题中，投影方向虽然理论上只有一条（因为类间离散度矩阵秩最多为1），但在数学上是确定的（最大化J(8.【答案】A【解析】GAN的纳什均衡是判别器无法区分真实样本和生成样本，即对于任意输入x，判别器认为其为真的概率均为0.5。此时D(9.【答案】B【解析】哈希表基于键值映射，理想情况下查找、插入和删除的时间复杂度均为O(1)，且不要求元素有序。平衡二叉树查找为O(logn)，链表为O(n)，堆通常用于极值查找。10.【答案】C【解析】A指持久性，B指原子性，D指一致性。隔离性是指多个事务并发执行时，一个事务的执行不应干扰其他事务，其内部操作对其他事务是隔离的。11.【答案】A【解析】BERT的全称是BidirectionalEncoderRepresentationsfromTransformers，利用Transformer的Encoder层进行双向上下文编码。12.【答案】B【【解析】根据主定理，a=3,b=2,ϵ=2。比较=≈13.【答案】C【解析】在K8s中，Pod是最小单元，但通常使用Deployment来管理Pod的副本、更新策略等，以实现无状态应用的高可用和弹性伸缩。Node是物理机，Service是服务发现。14.【答案】C【解析】中间人攻击发生在应用层或传输层，攻击者拦截并篡改通信。关闭不常用的端口是网络层面的安全措施，可以减少被攻击面，但无法防御已经建立的连接（如HTTPS）被中间人劫持（除非配合证书验证等）。有效的防御是加密和证书验证。A、B、D都是有效的防御或规避手段。C虽然好，但对MITM针对性不强。15.【答案】C【解析】GIL是CPython解释器中的互斥锁，同一时刻只允许一个线程执行字节码，这限制了多线程在CPU密集型任务中的并行性能（A错）。但在I/O操作（如读写文件、网络请求）或长时间操作时，GIL会被释放，允许其他线程运行（C对）。B是定义，正确。C更具体地描述了其特性。D错误，无法直接强制释放，只能依赖I/O或特定机制。16.【答案】C【解析】GNN的核心是聚合邻居信息。节点的更新不仅依赖于自身特征，还依赖于邻居特征（消息传递），如果图有边特征，也会参与计算。17.【答案】B【解析】物理块3，引用序列4,1,2,4,3,2,1,5。4:缺页[4]1:缺页[4,1]2:缺页[4,1,2]4:命中3:缺页，置换4[1,2,3]2:命中1:命中5:缺页，置换2(LRU是2)[1,3,5]共缺页6次。18.【答案】A【解析】拉普拉斯平滑通过给所有计数加一个小的平滑因子（通常为1），避免概率为0的情况。19.【答案】B【解析】微服务强调轻量级通信。HTTP/RESTful基于文本，通用性强；gRPC基于HTTP/2和Protobuf，性能更高。SOAP较重，CORBA和RMI是较老的重量级协议。20.【答案】A【解析】IoU定义为交集面积除以并集面积。二、多项选择题21.【答案】ABCD【解析】Dropout、L1/L2、早停法、数据增强都是常用的正则化手段，用于防止过拟合。BatchNormalization主要用于加速收敛和稳定训练，虽然有一定正则化副作用，但主要目的不是正则化，通常不选。22.【答案】AB【解析】`ps`查看快照，`top`实时动态查看。`netstat`查看网络连接，`ls`列出文件，`df`查看磁盘空间。23.【答案】ABCD【解析】常见核函数包括线性、多项式、RBF、Sigmoid。余弦核不是SVM标准库中最常见的四种之一。24.【答案】ABE【解析】创建型模式包括单例、工厂方法、抽象工厂、建造者、原型。观察者是行为型，装饰器是结构型。25.【答案】ABCD【解析】删除、填充（均值/众数）、插值、模型预测都是常用方法。E不做处理通常会导致后续算法报错或偏差大。26.【答案】ABCD【解析】A、B、C描述了三次握手的状态变化，正确。D是三次握手存在的根本原因（防止失效连接请求），正确。E错误，建立连接后是全双工通信，但TCP是可靠传输，数据发送需要ACK确认，虽然不需要握手级别的确认，但“不需要再确认”表述不准确，且握手的目的是建立连接，而非后续数据传输。27.【答案】ABD【解析】容器共享宿主机内核，启动快（秒级），占用资源少。镜像打包使得部署方便。C错误，容器隔离性弱于虚拟机（虚拟机有独立OS）。E错误，容器由于共享内核，安全性通常弱于虚拟机。28.【答案】ABCD【解析】MSE、RMSE、MAE、R方都是回归指标。准确率是分类指标。29.【答案】ABCDE【解析】Redis是基于内存的KV数据库，支持持久化，支持多种数据结构，单线程模型（主要命令处理），支持发布订阅（消息队列）。所有选项均正确。30.【答案】ABCD【解析】敏捷宣言的四大价值观：个体互动、可工作的软件、客户合作、响应变化。E是错误的，敏捷强调响应变化。三、判断题31.【答案】×【解析】`is`比较的是对象的内存地址（身份标识），`==`比较的是值。32.【答案】√【解析】学习率是梯度下降中的步长，过大导致震荡发散，过小导致收敛慢。33.【答案】×【解析】链表是顺序存取，访问第i个元素需要从头遍历，时间复杂度O(n)。数组/向量才是随机存取O(1)。34.【答案】√【解析】HTTPS=HTTP+SSL/TLS，提供加密和身份认证。35.【答案】√【解析】递归和迭代在理论上具有相同的计算能力，可以相互转换。36.【答案】×【解析】通常在卷积/全连接层之后，激活函数之前使用BN层。也有观点认为在之后也可以，但主流做法是在激活之前（如Co37.【答案】×【解析】192.168.x.x属于私有IP地址（内网），不能直接在公网路由。38.【答案】√【解析】决策树极易过拟合，预剪枝和后剪枝是必要手段。39.【答案】×【解析】Map阶段负责“映射”（处理输入输出键值对），Reduce阶段负责“归约”（汇总统计）。40.【答案】√【解析】视图是虚拟表，数据来自基表查询。41.【答案】√【解析】K-means对初值敏感，可能陷入局部最优。K-means++算法改进了初始化。42.【答案】×【解析】`<div>`是块级元素，`<span>`是行内元素。43.【答案】√【解析】堆排序在交换元素时可能改变相等元素的相对位置，是不稳定的。44.【答案】×【解析】Fine-tuning通常使用更小的学习率，以免破坏预训练学到的特征。45.【答案】√【解析】边缘计算在靠近数据源头处理，降低延迟和带宽压力。四、填空题46.【答案】相同【解析】三种遍历的区别在于“根节点”的访问时机，左右子树的遍历顺序始终是先左后右。47.【答案】【解析】平方和公式。48.【答案】404；500【解析】404NotFound，500InternalServerError。49.【答案】池化【解析】MaxPooling或AveragePooling。50.【答案】68.27【解析】正态分布1σ51.【答案】NumPy【解析】Python科学计算核心库。52.【答案】网络【解析】子网掩码为1的部分对应网络位，为0的部分对应主机位。53.【答案】优化【解析】编译流程：词法->语法->语义->中间代码生成->代码优化->目标代码生成。54.【答案】轮询【解析】RoundRobin。55.【答案】慢【解析】nlog五、简答题56.【答案】(1)局部感受野：在卷积层中，卷积核（滤波器）每次只处理输入数据的一个局部区域，而不是处理整个图像。这模拟了生物视觉系统的特性，能够提取局部特征（如边缘、纹理）。(2)权值共享：在同一个卷积层中，使用同一个卷积核（即同一组权重参数）在输入图像的不同位置进行滑动卷积。这意味着无论特征在图像的哪个位置，都由相同的检测器来检测。作用：权值共享极大地减少了模型的参数数量，降低了过拟合的风险，并使模型具有平移等变性（即对物体位置的移动不敏感）。57.【答案】(1)脏读：一个事务读到了另一个事务未提交的数据。(2)不可重复读：在一个事务内，多次读取同一数据，由于另一个事务修改并提交了该数据，导致读取结果不一致。(3)幻读：在一个事务内，按条件查询数据，由于另一个事务插入或删除了符合条件的数据，导致后续查询结果集发生变化（多了或少了几行）。解决：读未提交：允许脏读，无法解决。读已提交：禁止脏读（通过MVCC或锁），但允许不可重复读和幻读。可重复读：禁止脏读和不可重复读，部分数据库（如MySQL）通过Next-KeyLock禁止幻读。串行化：最高隔离级别，强制事务串行执行，解决所有并发问题。58.【答案】RESTful（RepresentationalStateTransfer）是一种基于HTTP的架构风格。主要原则：(1)资源导向：万物皆资源，使用URI（统一资源标识符）对资源进行唯一标识。(2)统一接口：使用标准的HTTP方法（GET获取，POST创建，PUT更新，DELETE删除）来操作资源。(3)无状态：服务器不保存客户端的上下文状态，每次请求都必须包含所有必要信息，提高了可伸缩性。(4)表现形式：资源可以有多种表现形式（如JSON,XML），通常通过Content-Type协商。(5)超媒体驱动：响应中包含链接，引导客户端进行下一步操作（HATEOAS）。59.【答案】(1)偏差：模型对真实数据分布的拟合误差，反映了模型本身的拟合能力。高偏差意味着欠拟合。(2)方差：模型对训练数据波动的敏感程度，反映了数据的扰动对模型性能的影响。高方差意味着过拟合。(3)关系：模型复杂度较低时，偏差高，方差低；模型复杂度较高时，偏差低，方差高。(4)偏差-方差权衡：在训练模型时，无法同时最小化偏差和方差。目标是找到一个平衡点，使得总误差（偏差^2+方差+噪声）最小。通常通过交叉验证、正则化等手段来寻找这个平衡。60.【答案】(1)轮询：将请求按顺序轮流分发给服务器。适用场景：服务器性能相近，无状态服务。(2)加权轮询：根据服务器性能分配权重，按权重比例分发。适用场景：服务器性能不均。(3)最少连接：将请求分发给当前连接数最少的服务器。适用场景：请求处理时长差异较大的长连接服务。(4)源地址哈希：根据客户端IP哈希结果分发，保证同一IP访问同一服务器。适用场景：需要会话保持的场景。六、计算题61.【答案】解：(1)计算预测值(xx((2)计算损失值J(已知y=J(3)计算梯度∇J对于逻辑回归，梯度公式为：=误差项e对于(对应=1)：=对于(对应=2)：=故梯度向量∇J62.【答案】解：定义：TP(TruePositive)=推荐且喜欢=300FP(FalsePositive)=推荐但不喜欢=200FN(FalseNegative)=喜欢但未推荐=100TN(TrueNegative)=不喜欢且未推荐=400(1)准确率==(2)召回率==(3)精确率==F1值=263.【答案】解：集合A=1,3,(1)A(2)A