【机器学习】机器学习30个笔试题

机器学习试题

在回归模型中，下列哪一项在权衡欠拟合（under-fitting）和过拟合（over-fitting）中影响最大？（A）
A. 多项式阶数
B. 更新权重 w 时，使用的是矩阵求逆还是梯度下降
C. 使用常数项
假设你有以下数据：输入和输出都只有一个变量。使用线性回归模型（y=wx+b）来拟合数据。那么使用留一法（Leave-One Out）交叉验证得到的均方误差是多少？（C）

X	Y
0	2
2	2
3	1

A. 10/27
B. 39/27
C. 49/27
D. 55/27
3_1. 下列关于极大似然估计（Maximum Likelihood Estimate，MLE），说法正确的是（多选）？（AC）
A. MLE 可能并不存在
B. MLE 总是存在
C. 如果 MLE 存在，那么它的解可能不是唯一的
D. 如果 MLE 存在，那么它的解一定是唯一的

3_2. 下列哪些假设是我们推导线性回归参数时遵循的（多选）？（ABCD）

A. X 与 Y 有线性关系（多项式关系）
B. 模型误差在统计学上是独立的
C. 误差一般服从 0 均值和固定标准差的正态分布
D. X 是非随机且测量没有误差的

4_1. 为了观察测试 Y 与 X 之间的线性关系，X 是连续变量，使用下列哪种图形比较适合？（A）
A. 散点图
B. 柱形图
C. 直方图
D. 以上都不对

4_2. 一般来说，下列哪种方法常用来预测连续独立变量？（A）
A. 线性回归
B. 逻辑回顾
C. 线性回归和逻辑回归都行
D. 以上说法都不对

个人健康和年龄的相关系数是 -1.09。根据这个你可以告诉医生哪个结论？（C）
A. 年龄是健康程度很好的预测器
B. 年龄是健康程度很糟的预测器
C. 以上说法都不对
下列哪一种偏移，是我们在最小二乘直线拟合的情况下使用的？图中横坐标是输入 X，纵坐标是输出 Y。（A）

A. 垂直偏移（vertical offsets）
B. 垂向偏移（perpendicular offsets）
C. 两种偏移都可以
D. 以上说法都不对

假如我们利用 Y 是 X 的 3 阶多项式产生一些数据（3 阶多项式能很好地拟合数据）。那么，下列说法正确的是（多选）？（AD）
A. 简单的线性回归容易造成高偏差（bias）、低方差（variance）
B. 简单的线性回归容易造成低偏差（bias）、高方差（variance）
C. 3 阶多项式拟合会造成低偏差（bias）、高方差（variance）
D. 3 阶多项式拟合具备低偏差（bias）、低方差（variance）

8_1. 假如你在训练一个线性回归模型，有下面两句话：(B)

如果数据量较少，容易发生过拟合。
如果假设空间较小，容易发生过拟合。
关于这两句话，下列说法正确的是？
A. 1 和 2 都错误
B. 1 正确，2 错误
C. 1 错误，2 正确
D. 1 和 2 都正确

8_2. 假如我们使用 Lasso 回归来拟合数据集，该数据集输入特征有 100 个（X1，X2，…，X100）。现在，我们把其中一个特征值扩大 10 倍（例如是特征 X1），然后用相同的正则化参数对 Lasso 回归进行修正。(B)
那么，下列说法正确的是？
A. 特征 X1 很可能被排除在模型之外
B. 特征 X1 很可能还包含在模型之中
C. 无法确定特征 X1 是否被舍弃
D. 以上说法都不对

9_1. 关于特征选择，下列对 Ridge 回归和 Lasso 回归说法正确的是？(B)
A. Ridge 回归适用于特征选择
B. Lasso 回归适用于特征选择
C. 两个都适用于特征选择
D. 以上说法都不对

9_2. 如果在线性回归模型中增加一个特征变量，下列可能发生的是（多选）？(AB)
A. R-squared 增大，Adjust R-squared 增大
B. R-squared 增大，Adjust R-squared 减小
C. R-squared 减小，Adjust R-squared 减小
D. R-squared 减小，Adjust R-squared 增大

10.下面三张图展示了对同一训练样本，使用不同的模型拟合的效果（蓝色曲线）。那么，我们可以得出哪些结论（多选）？(ACD)

A. 第 1 个模型的训练误差大于第 2 个、第 3 个模型
B. 最好的模型是第 3 个，因为它的训练误差最小
C. 第 2 个模型最为“健壮”，因为它对未知样本的拟合效果最好
D. 第 3 个模型发生了过拟合
E. 所有模型的表现都一样，因为我们并没有看到测试数据

下列哪些指标可以用来评估线性回归模型（多选）？(ABCD)
A. R-Squared
B. Adjusted R-Squared
C. F Statistics
D. RMSE / MSE / MAE

12_1. 线性回归中，我们可以使用正规方程（Normal Equation）来求解系数。下列关于正规方程说法正确的是？(ABC)
A. 不需要选择学习因子
B. 当特征数目很多的时候，运算速度会很慢
C. 不需要迭代训练

12_2. 如果 Y 是 X（X1，X2，…，Xn）的线性函数：
Y = β0 + β1X1 + β2X2 + ··· + βnXn
则下列说法正确的是（多选）？(ABC)
A. 如果变量 Xi 改变一个微小变量 ΔXi，其它变量不变。那么 Y 会相应改变 βiΔXi。
B. βi 是固定的，不管 Xi 如何变化
C. Xi 对 Y 的影响是相互独立的，且 X 对 Y 的总的影响为各自分量 Xi 之和

构建一个最简单的线性回归模型需要几个系数（只有一个特征）？(B)
A. 1 个
B. 2 个
C. 3 个
D. 4 个
如果两个变量相关，那么它们一定是线性关系吗？(B)
A. 是
B. 不是
两个变量相关，它们的相关系数 r 可能为 0。这句话是否正确？(A)
A. 正确
B. 错误

16_1. 加入使用逻辑回归对样本进行分类，得到训练样本的准确率和测试样本的准确率。现在，在数据中增加一个新的特征，其它特征保持不变。然后重新训练测试。则下列说法正确的是？(B)
A. 训练样本准确率一定会降低
B. 训练样本准确率一定增加或保持不变
C. 测试样本准确率一定会降低
D. 测试样本准确率一定增加或保持不变

16_2. 假设一个公司的薪资水平中位数是 $35,000，排名第 25% 和 75% 的薪资分别是21000和 53,000。如果某人的薪水是 $1，那么它可以被看成是异常值（Outlier）吗？©
A. 可以
B. 不可以
C. 需要更多的信息才能判断
D. 以上说法都不对

关于“回归（Regression）”和“相关（Correlation）”，下列说法正确的是？注意：x 是自变量，y 是因变量。©
A. 回归和相关在 x 和 y 之间都是互为对称的
B. 回归和相关在 x 和 y 之间都是非对称的
C. 回归在 x 和 y 之间是非对称的，相关在 x 和 y 之间是互为对称的
D. 回归在 x 和 y 之间是对称的，相关在 x 和 y 之间是非对称的
仅仅知道变量的均值（Mean）和中值（Median），能计算的到变量的偏斜度（Skewness）吗？(B)
A. 可以
B. 不可以
观察样本次数如何影响过拟合（多选）？注意：所有情况的参数都保持一致。(AD)
A. 观察次数少，容易发生过拟合
B. 观察次数少，不容易发生过拟合
C. 观察次数多，容易发生过拟合
D. 观察次数多，不容易发生过拟合
假如使用一个较复杂的回归模型来拟合样本数据，使用 Ridge 回归，调试正则化参数 λ，来降低模型复杂度。若 λ 较大时，关于偏差（bias）和方差（variance），下列说法正确的是？©
A. 若 λ 较大时，偏差减小，方差减小
B. 若 λ 较大时，偏差减小，方差增大
C. 若 λ 较大时，偏差增大，方差减小
D. 若 λ 较大时，偏差增大，方差增大
假设使用逻辑回归进行 n 多类别分类，使用 One-vs-rest 分类法。下列说法正确的是？(A)
A. 对于 n 类别，需要训练 n 个模型
B. 对于 n 类别，需要训练 n-1 个模型
C. 对于 n 类别，只需要训练 1 个模型
D. 以上说法都不对
在 n 维空间中（n > 1），下列哪种方法最适合用来检测异常值？(B)
A. 正态概率图
B. 箱形图
C. 马氏距离
D. 散点图

19_1. 逻辑回归与多元回归分析有哪些不同之处？(D)
A. 逻辑回归用来预测事件发生的概率
B. 逻辑回归用来计算拟合优度指数
C. 逻辑回归用来对回归系数进行估计
D. 以上都是

19_2. 下列关于 bootstrap 说法正确的是？©
A. 从总的 M 个特征中，有放回地抽取 m 个特征（m < M）
B. 从总的 M 个特征中，无放回地抽取 m 个特征（m < M）
C. 从总的 N 个样本中，有放回地抽取 n 个样本（n < N）
D. 从总的 N 个样本中，无放回地抽取 n 个样本（n < N）

“监督式学习中存在过拟合，而对于非监督式学习来说，没有过拟合”，这句话是否正确？(B)
A. 正确
B. 错误
关于 k 折交叉验证，下列说法正确的是？(D)
A. k 值并不是越大越好，k 值过大，会降低运算速度
B. 选择更大的 k 值，会让偏差更小，因为 k 值越大，训练集越接近整个训练样本
C. 选择合适的 k 值，能减小验方差
D. 以上说法都正确
如果回归模型中存在多重共线性（multicollinearity），应该如何解决这一问题而不丢失太多信息（多选）？(BCD)
A. 剔除所有的共线性变量
B. 剔除共线性变量中的一个
C. 通过计算方差膨胀因子（Variance Inflation Factor，VIF）来检查共线性程度，并采取相应措施
D. 删除相关变量可能会有信息损失，我们可以不删除相关变量，而使用一些正则化方法来解决多重共线性问题，例如 Ridge 或 Lasso 回归。
评估完模型之后，发现模型存在高偏差（high bias），应该如何解决？(B)
A. 减少模型的特征数量
B. 增加模型的特征数量
C. 增加样本数量
D. 以上说法都正确

24.在构建一个决策树模型时，我们对某个属性分割节点，下面四张图中，哪个属性对应的信息增益最大？(A)

A. outlook
B. humidity
C. windy
D. temperature

在决策树分割结点的时候，下列关于信息增益说法正确的是（多选）？(BC)
A. 纯度高的结点需要更多的信息来描述它
B. 信息增益可以用”1比特-熵”获得
C. 如果选择一个属性具有许多特征值, 那么这个信息增益是有偏差的
如果一个 SVM 模型出现欠拟合，那么下列哪种方法能解决这一问题？(A)
A. 增大惩罚参数 C 的值
B. 减小惩罚参数 C 的值
C. 减小核系数（gamma参数）
我们知道二元分类的输出是概率值。一般设定输出概率大于或等于 0.5，则预测为正类；若输出概率小于 0.5，则预测为负类。那么，如果将阈值 0.5 提高，例如 0.6，大于或等于 0.6 的才预测为正类。则准确率（Precision）和召回率（Recall）会发生什么变化（多选）？(AC)
A. 准确率（Precision）增加或者不变
B. 准确率（Precision）减小
C. 召回率（Recall）减小或者不变
D. 召回率（Recall）增大

28_1. 点击率预测是一个正负样本不平衡问题（例如 99% 的没有点击，只有 1% 点击）。假如在这个非平衡的数据集上建立一个模型，得到训练样本的正确率是 99%，则下列说法正确的是？(B)
A. 模型正确率很高，不需要优化模型了
B. 模型正确率并不高，应该建立更好的模型
C. 无法对模型做出好坏评价
D. 以上说法都不对

28_2. 假设我们使用 kNN 训练模型，其中训练数据具有较少的观测数据（下图是两个属性 x、y 和两个标记为 “+” 和 “o” 的训练数据）。现在令 k = 1，则图中的 Leave-One-Out 交叉验证错误率是多少？((D)

A. 0%
B. 20%
C. 50%
D. 100%

关于神经网络，下列说法正确的是？(AC)
A. 增加网络层数，可能会增加测试集分类错误率
B. 增加网络层数，一定会增加训练集分类错误率
C. 减少网络层数，可能会减少测试集分类错误率
D. 减少网络层数，一定会减少训练集分类错误率

【机器学习】机器学习30个笔试题相关推荐

2013百度校园招聘-机器学习和数据挖掘工程师-笔试题
一.简答题(30分) 1.简述数据库操作的步骤(10分) 2.TCP/IP的四层结构(10分) 3.什么是MVC结构,简要介绍各层结构的作用(10分) 二.算法与程序设计(45分) 1.由a-z.0- ...
【自己整理的答案】2013百度校园招聘-机器学习和数据挖掘工程师-笔试题
一.简答题(30分) 1.简述数据库操作的步骤(10分) 步骤:建立数据库连接.打开数据库连接.建立数据库命令.运行数据库命令.保存数据库命令.关闭数据库连接. 2.TCP/IP的四层结构(10分 ...
02 2018美团机器学习职位秋季校招笔试题及解答
目录一.逻辑题 01. 第一题 02. 第二题 03. 第三题 04. 第四题 05. 第五题 06. 第六题 07. 第七题 08. 第八题 09. 第九题 10. 第十题 11. 第十一题 12 ...
10.30完美笔试题
1. struct test {short a;int b;char c; }; sizeof(struct test) 答案为:12 2. #define P(a,b) a&b #defin ...
C#笔试题面试题锦集（全）总20篇
前些时候找过一次工作,收集了很多不错的笔试题目 C#笔试题面试题锦集(20) 微软应试题目 (2010-01-15 21:32) C#笔试题面试题锦集(19) 雅虎C#题目 (2010-01-15 2 ...
机器学习笔试题精选（一）
https://blog.csdn.net/red_stone1/article/details/80982149 机器学习是一门理论性和实战性都比较强的技术学科.在应聘机器学习相关工作岗位时,我们常 ...
机器学习笔试题练习(08-04)【4】
Date: 2019-08-04 一. iHandy2019校招-机器学习/算法工程师笔试题 1. 计算斐波那契数列第n项的函数定义如下: int fib(int n){ if(n==0) retu ...
机器学习笔试题精选（二）
https://blog.csdn.net/red_stone1/article/details/81023976 上次机器学习笔试题精选(一)中,我们详细解析了机器学习笔试 15 道题.今天,红色 ...
机器学习笔试题精选（三）
https://blog.csdn.net/red_stone1/article/details/81073650 机器学习是一门理论性和实战性都比较强的技术学科.在应聘机器学习相关工作岗位时,我们常 ...

【机器学习】机器学习30个笔试题

【机器学习】机器学习30个笔试题相关推荐

最新文章

热门文章