BAT机器学习面试1000题（561~565题）

点击上方  ⬆   蓝字关注七月在线实验室

BAT机器学习面试1000题（561~565题）

561题

下列哪个不属于常用的文本分类的特征选择算法？

A、卡方检验值

B、互信息

C、信息增益

D、主成分分析

点击下方空白区域查看答案
▼

正确答案是：D

解析：

主成分分析是特征转换算法（特征抽取），而不是特征选择

562题

在数据清理中，下面哪个不是处理缺失值的方法?

A、估算

B、整例删除

C、变量删除

D、成对删除

点击下方空白区域查看答案
▼

正确答案是：D

解析：

数据清理中，处理缺失值的方法有两种： 

一、删除法：

 1）删除观察样本 

2）删除变量：当某个变量缺失值较多且对研究目标影响不大时，可以将整个变量整体删除 

3）使用完整原始数据分析：当数据存在较多缺失而其原始数据完整时，可以使用原始数据替代现有数据进行分析 

4）改变权重：当删除缺失数据会改变数据结构时，通过对完整数据按照不同的权重进行加权，可以降低删除缺失数据带来的偏差

二、查补法：均值插补、回归插补、抽样填补等

563题

统计模式分类问题中，当先验概率未知时，可以使用（）

A、最小最大损失准则

B、最小误判概率准则

C、最小损失准则

D、N-P判决

点击下方空白区域查看答案
▼

正确答案是：A

解析：

A. 考虑p(wi)变化的条件下，是风险最小 

B. 最小误判概率准则， 就是判断p(w1|x)和p(w2|x)哪个大，x为特征向量，w1和w2为两分类，根据贝叶斯公式，需要用到先验知识 

C. 最小损失准则，在B的基础之上，还要求出p(w1|x)和p(w2|x)的期望损失，因为B需要先验概率，所以C也需要先验概率 

D. N-P判决，即限定一类错误率条件下使另一类错误率为最小的两类别决策，即在一类错误率固定的条件下，求另一类错误率的极小值的问题，直接计算p(x|w1)和p(x|w2)的比值，不需要用到贝叶斯公式_

564题

决策树的父节点和子节点的熵的大小关系是什么？

A、A. 决策树的父节点更大

B、B. 子节点的熵更大

C、C. 两者相等

D、D. 根据具体情况而定

点击下方空白区域查看答案
▼

正确答案是：D

解析：

正确答案：D。 

假设一个父节点有2正3负样本，进一步分裂

情况1：两个叶节点（2正，3负）；

情况2：两个叶节点（1正1负，1正2负）。

分别看下情况1和情况2，分裂前后确实都有信息增益，但是两种情况里不是每一个叶节点都比父节点的熵小。

565题

语言模型的参数估计经常使用MLE（最大似然估计）。面临的一个问题是没有出现的项概率为0，这样会导致语言模型的效果不好。为了解决这个问题，需要使用（ ）

A、平滑

B、去噪

C、随机插值

D、增加白噪音

点击下方空白区域查看答案
▼

正确答案是：A

解析：

A，拉普拉斯平滑假设，将分子和分母各加上一个常数项。

题目来源：七月在线官网（https://www.julyedu.com/）——面试题库——笔试练习——机器学习

今日学习推荐

【推荐系统实战】

首次全面公开推荐技术在BAT中的核心应用
BAT一线讲师+核心算法讲解+九大实战项目
应用场景：电商+视频+新闻 

咨询/报名/组团可添加微信客服

julyedukefu_02

👇

长按识别二维码

 更多资讯

 请戳一戳

往期推荐

贺「七月在线」获好未来产业基金千万元天使投资（送书等炒鸡福利）

【Github 3.5K 星】PyTorch资源列表：450个NLP/CV/SP、论文实现、库、教程&示例

【盘点】深度学习最常用到的20个Python库

如何交付机器学习项目：一份机器学习工程开发流程指南

点击 “阅读原文”，免费领取 →新人大礼包

↓↓↓