Q1正确率 40%
Bias-variance tradeoff 怎么讲清楚？
可以画训练集与验证集误差曲线来直观表达：模型太简单会导致高偏差（欠拟合），模型太复杂则会导致高方差（过拟合）。优化时要结合实际工程手段：高偏差时通过增加特征维度、减小正则来提升拟合度；高方差时通过数据增强、L1/L2正则、Dropout或集成学习来抑制过拟合。
解析
考点：机器学习基础表达。用误差分解说明欠拟合与过拟合，并结合正则化、样本量与模型复杂度给出调节手段。常见失分：只背定义不结合实践。
岗位真题库数据Apple · 机器学习更新于 2026-08-30
Apple · 机器学习真题库
ML 基础、深度学习与 MLOps 英文真题，附中英对照解析。
168 题 · 每月更新1,260 人已购
包含内容
- ML 基础 60 题
- 深度学习 48 题
- MLOps 与系统 30 题
- 英文面常见问题 30 题
内容试读
本题库平均正确率 38%试读 2 / 6 段
Q2正确率 36%高难度
线上模型效果下降怎么排查？
建议按“数据-特征-链路-模型”四步排查。首先看特征和标签的分布漂移（计算PSI或KL散度）；其次排查线上线下特征计算逻辑是否一致，以及是否有数据源延迟缺失；然后确认AB测试分流和接口超时率；最后才回滚版本对比新旧模型在特定长尾样本上的表现。
解析
考点：模型运维。先查数据链路与特征分布漂移，再查样本标签延迟、线上线下特征不一致，最后考虑重训与回滚。常见失分：直接下结论是模型过拟合。
- Q360 道 ML 基础题中英对照解析
- Q4深度学习推导题专题
- Q5MLOps 场景设计题
- Q6…… 共 168 题完整解析
剩余 4 项内容已加锁