BAT机器学习面试题1000题（311~315题）

[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！