BAT机器学习面试1000题（531~535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（531~535题）

531题

在有监督学习中， 我们如何使用聚类方法？ 

1.我们可以先创建聚类类别， 然后在每个类别上用监督学习分别进行学习

2. 我们可以使用聚类“类别id”作为一个新的特征项， 然后再用监督学习分别进行学习

3. 在进行监督学习之前， 我们不能新建聚类类别

4. 我们不可以使用聚类“类别id”作为一个新的特征项， 然后再用监督学习分别进行学习

A、2 和 4

B、1 和 2

C、3 和 4

D、 1 和 3

点击下方空白区域查看答案
▼

正确答案是： B

解析：

答案: B我们可以为每个聚类构建不同的模型， 提高预测准确率。“类别id”作为一个特征项去训练， 可以有效地总结了数据特征。所以B是正确的

532题

以下说法正确的是

 1. 一个机器学习模型，如果有较高准确率，总是说明这个分类器是好的

 2. 如果增加模型复杂度， 那么模型的测试错误率总是会降低

 3. 如果增加模型复杂度， 那么模型的训练错误率总是会降低

 4. 我们不可以使用聚类“类别id”作为一个新的特征项， 然后再用监督学习分别进行学习

A、1

B、2

C、3

D、2和3

E、都错

点击下方空白区域查看答案
▼

正确答案是：E

解析：

答案:E1的模型中, 如果负样本占比非常大,也会有很高的准确率, 对正样本的分类不一定很好;4的模型中, “类别id”可以作为一个特征项去训练, 这样会有效地总结了数据特征。

533题

对应GradientBoosting tree算法， 以下说法正确的是:

1.当增加最小样本分裂个数，我们可以抵制过拟合 

2. 当增加最小样本分裂个数，会导致过拟合

3. 当我们减少训练单个学习器的样本个数，我们可以降低variance 

4. 当我们减少训练单个学习器的样本个数，我们可以降低bias

A、2 和 4

B、2 和 3

C、1 和 3

D、1 和 4

点击下方空白区域查看答案
▼

正确答案是：C

解析：

答案: C最小样本分裂个数是用来控制“过拟合”参数。太高的值会导致“欠拟合”，这个参数应该用交叉验证来调节。 

第二点是靠bias和variance概念的。

534题

以下哪个图是KNN算法的训练边界

A、B

B、A

C、D

D、C

E、都不是

点击下方空白区域查看答案
▼

正确答案是： B

解析：

答案: BKNN算法肯定不是线性的边界， 所以直的边界就不用考虑了。另外这个算法是看周围最近的k个样本的分类用以确定分类，所以边界一定是坑坑洼洼的。

535题

如果一个训练好的模型在测试集上有100%的准确率， 这是不是意味着在一个新的数据集上，也会有同样好的表现？

A、是的，这说明这个模型的范化能力已经足以支持新的数据集合了

B、不对，依然后其他因素模型没有考虑到，比如噪音数据

点击下方空白区域查看答案
▼

正确答案是： B

解析：

答案: B没有一个模型是可以总是适应新数据的。我们不可能可到100%准确率。

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

七月在线也来找锦鲤啦

还没参加的小伙伴们抓紧时间喽~

我们将在

10月19日下午18:00（本周五）

抽出一只锦鲤送出:

1024元现金红包 或 价值2699元的【2018VIP】

锦鲤可以二选一哦

活动详情戳下面查看：

👇

我们准备了1024元现金

寻找一只爱学习的锦鲤

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》，更好的助力您学习深度学习集训营课程。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

我们准备了1024元现金，寻找一只爱学习的锦鲤！

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？

【Github 6K星】BAT头条滴滴小米等名企AI工程师笔经面经 + 算法/机器学习/深度学习/NLP资源汇总

一图概览整个深度学习的核心知识体系（建议收藏）

点击 “阅读原文”，查看更多

↓↓↓