BAT机器学习面试题1000题（371~375题）

点击上方蓝字关注

BAT机器学习面试题1000题（371~375题）

371题

标准化与归一化的区别？

点击下方空白区域查看答案
▼

解析：

简单来说，标准化是依照特征矩阵的列处理数据，其通过求z-score的方法，将样本的特征值转换到同一量纲下。归一化是依照特征矩阵的行处理数据，其目的在于样本向量在点乘运算或其他核函数计算相似性时，拥有统一的标准，也就是说都转化为“单位向量”。关于什么是归一化，请参见：https://www.julyedu.com/question/big/kp_id/23/ques_id/1011

372题

随机森林如何处理缺失值？

点击下方空白区域查看答案
▼

解析：

方法一（na.roughfix）简单粗暴，对于训练集,同一个class下的数据，如果是分类变量缺失，用众数补上，如果是连续型变量缺失，用中位数补。方法二（rfImpute）这个方法计算量大，至于比方法一好坏？不好判断。先用na.roughfix补上缺失值，然后构建森林并计算proximity matrix，再回头看缺失值，如果是分类变量，则用没有缺失的观测实例的proximity中的权重进行投票。如果是连续型变量，则用proximity矩阵进行加权平均的方法补缺失值。然后迭代4-6次，这个补缺失值的思想和KNN有些类似12。

373题

随机森林如何评估特征重要性？

点击下方空白区域查看答案
▼

解析：

衡量变量重要性的方法有两种，Decrease GINI 和 Decrease Accuracy：1) Decrease GINI： 对于回归问题，直接使用argmax(VarVarLeftVarRight)作为评判标准，即当前节点训练集的方差Var减去左节点的方差VarLeft和右节点的方差VarRight。2) Decrease Accuracy：对于一棵树Tb(x)，我们用OOB样本可以得到测试误差1；然后随机改变OOB样本的第j列：保持其他列不变，对第j列进行随机的上下置换，得到误差2。至此，我们可以用误差1-误差2来刻画变量j的重要性。基本思想就是，如果一个变量j足够重要，那么改变它会极大的增加测试误差；反之，如果改变它测试误差没有增大，则说明该变量不是那么的重要。

374题

优化Kmeans？

点击下方空白区域查看答案
▼

解析：

使用kd树或者ball tree将所有的观测实例构建成一颗kd树，之前每个聚类中心都是需要和每个观测点做依次距离计算，现在这些聚类中心根据kd树只需要计算附近的一个局部区域即可。

375题

KMeans初始类簇中心点的选取。

点击下方空白区域查看答案
▼

解析：

k-means++算法选择初始seeds的基本思想就是：初始的聚类中心之间的相互距离要尽可能的远。

 1. 从输入的数据点集合中随机选择一个点作为第一个聚类中心 

2. 对于数据集中的每一个点x，计算它与最近聚类中心(指已选择的聚类中心)的距离D(x) 

3. 选择一个新的数据点作为新的聚类中心，选择的原则是：D(x)较大的点，被选取作为聚类中心的概率较大

4. 重复2和3直到k个聚类中心被选出来

5. 利用这k个初始的聚类中心来运行标准的k-means算法

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

分享一哈

分享完机器学习面试题

再和大家分享一哈

我们的

【深度学习-第四期】

课程火热报名中喔

还没报名的小伙伴们

抓紧时间喽

2人及2人以上组团

立减100元

点击下方“阅读原文”

可在线报名

或添加客服咨询

julyedukefu_02

最关键的是：

参与抽奖

免费送

深度学习第四期课程  

还能组团玩，一人中奖，全队中奖

还在等什么，

来和我一起组团抽奖吧

长按识别小程序，参与抽奖

👇

 更多资讯

 请戳一戳

往期推荐

这十个Python实战项目，让你瞬间读懂Python！（文末送书）

机器学习中的弯路该如何避免？5个新人常见问题和3个学习规划

想做Python开发，这14种常用Python模块，你必须知道！

深度学习难吗？如果你连这25个概念都不知道，当然难！

这10道题会做，年薪百万木问题

45万AI面经 |  面试offer拿不停，人称“offer收割机”

【干货合集】关于支持向量机（SVM）的原理，你了解多少？（万字长文 速收）

点击“阅读原文”，可在线报名