BAT机器学习面试1000题（546~550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（546~550题）

546题

给定三个变量 X，Y，Z。(X, Y)、(Y, Z) 和 (X, Z) 的 Pearson 相关性系数分别为 C1、C2 和 C3。现在 X 的所有值加 2（即 X+2），Y 的全部值减 2（即 Y-2），Z 保持不变。那么运算之后的 (X, Y)、(Y, Z) 和 (X, Z) 相关性系数分别为 D1、D2 和 D3。现在试问 D1、D2、D3 和 C1、C2、C3 之间的关系是什么？

A、D1= C1, D2 < C2, D3 > C3

B、D1 = C1, D2 > C2, D3 > C3

C、D1 = C1, D2 > C2, D3 < C3

D、D1 = C1, D2 < C2, D3 < C3

E、D1 = C1, D2 = C2, D3 = C3

点击下方空白区域查看答案
▼

正确答案是：E

解析：

答案（E）：特征之间的相关性系数不会因为特征加或减去一个数而改变。

547题

为了得到和 SVD 一样的投射（projection），你需要在 PCA 中怎样做？

A、将数据转换成零均值

B、将数据转换成零中位数

C、无法做到

点击下方空白区域查看答案
▼

正确答案是：A

解析：

答案（A）：当数据有一个 0 均值向量时，PCA 有与 SVD 一样的投射，否则在使用 SVD 之前，你必须将数据均值归 0。

548题

假设我们有一个数据集，在一个深度为 6 的决策树的帮助下，它可以使用 100% 的精确度被训练。现在考虑一下两点，并基于这两点选择正确的选项。注意：所有其他超参数是相同的，所有其他因子不受影响。 

1.深度为 4 时将有高偏差和低方差

2.深度为 4 时将有低偏差和低方差

A、只有 1

B、只有 2

C、1 和 2

D、没有一个

点击下方空白区域查看答案
▼

正确答案是：A

解析：

答案（A)：如果在这样的数据中你拟合深度为 4 的决策树，这意味着其更有可能与数据欠拟合。因此，在欠拟合的情况下，你将获得高偏差和低方差。

549题

在以下不同的场景中,使用的分析方法不正确的有

A、根据商家最近一年的经营及服务数据,用聚类算法判断出天猫商家在各自主营类目下所属的商家层级

B、根据商家近几年的成交数据,用聚类算法拟合出用户未来一个月可能的消费金额公式

C、用关联规则算法分析出购买了汽车坐垫的买家,是否适合推荐汽车脚垫

D、根据用户最近购买的商品信息,用决策树算法识别出淘宝买家可能是男还是女

点击下方空白区域查看答案
▼

正确答案是： B

解析：

解析：预测消费更合适的算法是用回归模型来做。而不是聚类算法。

550题

以下对k-means聚类算法解释正确的是

A、能自动识别类的个数,随即挑选初始点为中心点计算

B、能自动识别类的个数,不是随即挑选初始点为中心点计算

C、不能自动识别类的个数,随即挑选初始点为中心点计算

D、不能自动识别类的个数,不是随即挑选初始点为中心点计算

点击下方空白区域查看答案
▼

正确答案是：C

解析： 

（1）适当选择c个类的初始中心； 

（2）在第k次迭代中，对任意一个样本，求其到c个中心的距离，将该样本归到距离最短的中心所在的类； 

（3）利用均值等方法更新该类的中心值； 

（4）对于所有的c个聚类中心，如果利用（2）（3）的迭代法更新后，值保持不变，则迭代结束，否则继续迭代。 

以上是KMeans（C均值）算法的具体步骤，可以看出需要选择类别数量，但初次选择是随机的，最终的聚类中心是不断迭代稳定以后的聚类中心。所以答案选C。

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

我们的【深度学习集训营第二期】火热报名中。从TensorFlow起步实战BAT工业项目。11月13日起正式上课，为期一个多月，努力5周，挑战年薪40万，甚至更多薪！

这么好的机会，还在等什么，报名即送三门课程，《机器学习工程师 第八期》、《深度学习 第三期》、《TensorFlow框架案例实战》，助力您更好的学习集训营课程。且2人及2人以上组团报名，可各减500元，想组团者请加微信客服：julyedukefu_02

挑战高薪，从现在开始~

 更多资讯

 请戳一戳

往期推荐

干货合集 | 机器学习类面试问题与思路总结（文末送经典书籍）

如何交付机器学习项目：一份机器学习工程开发流程指南

程序员吐槽自己阿里p7面试微软被拒，网友：你就是高级一点的码农

值得探索的 8 个机器学习 JavaScript 框架

伤不起的三十岁，干不动的程序员要何去何从？

点击【阅读原文】，查看更多

↓↓↓