BAT机器学习面试题1000题(311~315题)
2018-01-08 00:00
746 查看
[b][b][b][b][b][b][/b][/b][/b][/b][/b][/b][b][b][b][b][b][b][b]
[/b][/b][/b][/b][/b][/b][/b]《BAT机器学习面试1000题》系列作为国内首个AI题库,囊括绝大部分机器学习和深度学习的笔试面试题、知识点,可以作为机器学习自测题,也可以当做查漏补缺的资料库。七月在线AI题库见“阅读原文”(点进页面扫码下载APP)311、下面哪些对「类型 1(Type-1)」和「类型 2(Type-2)」错误的描述是正确的?
A. 类型 1 通常称之为假正类,类型 2 通常称之为假负类。
B. 类型 2 通常称之为假正类,类型 1 通常称之为假负类。
C. 类型 1 错误通常在其是正确的情况下拒绝假设而出现。
答案为(A)和(C):在统计学假设测试中,I 类错误即错误地拒绝了正确的假设即假正类错误,II 类错误通常指错误地接受了错误的假设即假负类错误。
312、在下面的图像中,哪一个是多元共线(multi-collinear)特征?
A. 图 1 中的特征
B. 图 2 中的特征
C. 图 3 中的特征
D. 图 1、2 中的特征
E. 图 2、3 中的特征
F. 图 1、3 中的特征
答案为(D):在图 1 中,特征之间有高度正相关,图 2 中特征有高度负相关。所以这两个图的特征是多元共线特征。
313、鉴别了多元共线特征。那么下一步可能的操作是什么?
A. 移除两个共线变量
B. 不移除两个变量,而是移除一个
C. 移除相关变量可能会导致信息损失,可以使用带罚项的回归模型(如 ridge 或 lasso regression)。
答案为(B)和(C):因为移除两个变量会损失一切信息,所以我们只能移除一个特征,或者也可以使用正则化算法(如 L1 和 L2)。
314、给线性回归模型添加一个不重要的特征可能会造成?
A. 增加 R-square
B. 减少 R-square
答案为(A):在给特征空间添加了一个特征后,不论特征是重要还是不重要,R-square 通常会增加。
315、假定目标变量的类别非常不平衡,即主要类别占据了训练数据的 99%。现在你的模型在测试集上表现为 99% 的准确度。那么下面哪一项表述是正确的?
A. 准确度并不适合于衡量不平衡类别问题
B. 准确度适合于衡量不平衡类别问题
C. 精确率和召回率适合于衡量不平衡类别问题
D. 精确率和召回率不适合于衡量不平衡类别问题
答案为(A)和(C)
往期题目:BAT机器学习面试1000题系列(第1~60题)
BAT机器学习面试1000题系列(第61~100题)BAT机器学习面试1000题系列(第101~200题)BAT机器学习面试1000题系列(第201~300题)BAT机器学习面试1000题系列(第301~305题)BAT机器学习面试1000题系列(第306~310题)
提高学习效率,颠覆传统刷题!
[/b][/b][/b][/b][/b][/b][/b]《BAT机器学习面试1000题》系列作为国内首个AI题库,囊括绝大部分机器学习和深度学习的笔试面试题、知识点,可以作为机器学习自测题,也可以当做查漏补缺的资料库。七月在线AI题库见“阅读原文”(点进页面扫码下载APP)311、下面哪些对「类型 1(Type-1)」和「类型 2(Type-2)」错误的描述是正确的?
A. 类型 1 通常称之为假正类,类型 2 通常称之为假负类。
B. 类型 2 通常称之为假正类,类型 1 通常称之为假负类。
C. 类型 1 错误通常在其是正确的情况下拒绝假设而出现。
答案为(A)和(C):在统计学假设测试中,I 类错误即错误地拒绝了正确的假设即假正类错误,II 类错误通常指错误地接受了错误的假设即假负类错误。
312、在下面的图像中,哪一个是多元共线(multi-collinear)特征?
A. 图 1 中的特征
B. 图 2 中的特征
C. 图 3 中的特征
D. 图 1、2 中的特征
E. 图 2、3 中的特征
F. 图 1、3 中的特征
答案为(D):在图 1 中,特征之间有高度正相关,图 2 中特征有高度负相关。所以这两个图的特征是多元共线特征。
313、鉴别了多元共线特征。那么下一步可能的操作是什么?
A. 移除两个共线变量
B. 不移除两个变量,而是移除一个
C. 移除相关变量可能会导致信息损失,可以使用带罚项的回归模型(如 ridge 或 lasso regression)。
答案为(B)和(C):因为移除两个变量会损失一切信息,所以我们只能移除一个特征,或者也可以使用正则化算法(如 L1 和 L2)。
314、给线性回归模型添加一个不重要的特征可能会造成?
A. 增加 R-square
B. 减少 R-square
答案为(A):在给特征空间添加了一个特征后,不论特征是重要还是不重要,R-square 通常会增加。
315、假定目标变量的类别非常不平衡,即主要类别占据了训练数据的 99%。现在你的模型在测试集上表现为 99% 的准确度。那么下面哪一项表述是正确的?
A. 准确度并不适合于衡量不平衡类别问题
B. 准确度适合于衡量不平衡类别问题
C. 精确率和召回率适合于衡量不平衡类别问题
D. 精确率和召回率不适合于衡量不平衡类别问题
答案为(A)和(C)
往期题目:BAT机器学习面试1000题系列(第1~60题)
BAT机器学习面试1000题系列(第61~100题)BAT机器学习面试1000题系列(第101~200题)BAT机器学习面试1000题系列(第201~300题)BAT机器学习面试1000题系列(第301~305题)BAT机器学习面试1000题系列(第306~310题)
提高学习效率,颠覆传统刷题!
相关文章推荐
- BAT机器学习面试题1000题(306~310题)
- BAT机器学习面试题1000题(201~300题)
- BAT机器学习面试题1000题(321~325题)
- BAT机器学习面试题
- BAT机器学习面试题及解析(296-300题)
- BAT机器学习面试题及解析(261-265题)
- BAT机器学习面试1000题系列(第1~10题)
- BAT机器学习面试题及解析(266-270题)
- BAT机器学习面试题及解析(256-260题)
- BAT机器学习面试题及解析(296-300题)
- BAT题库 | 机器学习面试1000题系列(第231~235题)
- BAT机器学习面试题及解析
- BAT机器学习面试1000题系列(第150~279题)
- BAT题库 | 机器学习面试1000题系列(第236~240题)
- BAT机器学习面试1000题系列(第150~279题)
- BAT题库 | 机器学习面试1000题系列(第241~245题)
- BAT题库 | 机器学习面试1000题系列(第246~250题)
- BAT机器学习面试1000题系列(第150~279题)
- BAT机器学习面试题及解析(276-280题)
- BAT面试题精选 | 一个完整机器学习项目的流程(视频)