BAT机器学习面试1000题(691~695题)

2018 年 12 月 10 日 七月在线实验室

点击上方    蓝字 关注七月在线实验室




BAT机器学习面试1000题(691~695题)


691题

假设有如下一组输入并输出一个实数的数据,则线性回归(Y = bX+c)的留一法交叉验证均方差为?

A、10/27


B、20/27


C、50/27


D、49/27



点击下方空白区域查看答案

正确答案是:D


解析:

我们需要计算每个交叉验证点的残差,拟合后得到两点连线和一点用于交叉验证。


留一法交叉验证均方差为(2^2 +(2/3)^2 +1^2) /3 = 49/27




692题

下列哪一项关于极大似然估计(MLE)的说法是正确的?

1.MLE并不总是存在

2.MLE一直存在

3.如果MLE存在,它可能不特异

4.如果MLE存在,它一定是特异的


A、1和4


B、2和3


C、1和3


D、2和4



点击下方空白区域查看答案

正确答案是:C

解析:

MLE可能不是一个转折点,即它可能不是一个似然函数的一阶导数消失的点

MLE可能并不特异




693题

假设线性回归模型完美拟合训练数据(即训练误差为零),则下列哪项是正确的?


A、测试误差一定为零


B、测试误差一定不为零


C、以上都不对



点击下方空白区域查看答案

正确答案是:C


解析:

如果测试数据无干扰,则测试误差可能为零。换言之,如果测试数据是训练数据的典型代表,测试误差即为零,但这种情况并不总是出现。





694题

在线性回归问题中,我们用“R方”来衡量拟合的好坏。在线性回归模型中增加特征值并再训练同一模型。下列哪一项是正确的?


A、如果R方上升,则该变量是显著的


B、如果R方下降,则该变量不显著


C、单单R方不能反映变量重要性,不能就此得出正确结论


D、都不正确



点击下方空白区域查看答案

正确答案是:C


解析:

单单R方不能表示变量显著性,因为每次加入一个特征值,R方都会上升或维持不变。但在“调整R方”的情况下这也有误(如果特征值显著的话,调整R方会上升)。




695题

下列关于回归分析中的残差表述正确的是


A、残差的平均值总为零


B、残差的平均值总小于零


C、残差的平均值总大于零


D、残差没有此类规律



点击下方空白区域查看答案

正确答案是:A


解析:

回归的残差之和一定为零,故而平均值也为零




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

spark大数据实战班

火热报名中

12月29日开始直播

五位大厂架构师  

只教企业spark实际应用场景

四大课程特色  十一大实战项目   BAT大厂讲师

有意的亲们可以行动起来喽 

两人及两人以上组团立减100元


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

18应届毕业拿到机器学习offer的面经:嘉和美康、贷鱼科技

Tensorflow实战:端到端简单粗暴识别验证码(反爬利器)

资源 | 30个经典机器学习项目,GitHub星星加起来超过16万

程序员夏天穿格子衫,那么冬天穿什么?答案扎心了哈哈哈哈!

刚写完排序算法,就被开除了…

拼团,咨询,查看课程,请点击 “ 阅读原文 

↓↓↓ 
登录查看更多
0

相关内容

极大似然估计方法(Maximum Likelihood Estimate,MLE)也称为最大概似估计或最大似然估计,是求估计的另一种方法,最大概似是1821年首先由德国数学家高斯(C. F. Gauss)提出,但是这个方法通常被归功于英国的统计学家罗纳德·费希尔(R. A. Fisher) 它是建立在极大似然原理的基础上的一个统计方法,极大似然原理的直观想法是,一个随机试验如有若干个可能的结果A,B,C,... ,若在一次试验中,结果A出现了,那么可以认为实验条件对A的出现有利,也即出现的概率P(A)较大。极大似然原理的直观想法我们用下面例子说明。设甲箱中有99个白球,1个黑球;乙箱中有1个白球.99个黑球。现随机取出一箱,再从抽取的一箱中随机取出一球,结果是黑球,这一黑球从乙箱抽取的概率比从甲箱抽取的概率大得多,这时我们自然更多地相信这个黑球是取自乙箱的。一般说来,事件A发生的概率与某一未知参数theta有关, theta取值不同,则事件A发生的概率P(A/theta)也不同,当我们在一次试验中事件A发生了,则认为此时的theta值应是t的一切可能取值中使P(A/theta)达到最大的那一个,极大似然估计法就是要选取这样的t值作为参数t的估计值,使所选取的样本在被选的总体中出现的可能性为最大。
打怪升级!2020机器学习工程师技术路线图
专知会员服务
98+阅读 · 2020年6月3日
【伯克利】再思考 Transformer中的Batch Normalization
专知会员服务
40+阅读 · 2020年3月21日
机器学习速查手册,135页pdf
专知会员服务
340+阅读 · 2020年3月15日
【经典书】精通机器学习特征工程,中文版,178页pdf
专知会员服务
356+阅读 · 2020年2月15日
谷歌机器学习速成课程中文版pdf
专知会员服务
145+阅读 · 2019年12月4日
【机器学习课程】Google机器学习速成课程
专知会员服务
164+阅读 · 2019年12月2日
BAT机器学习面试1000题(721~725题)
七月在线实验室
11+阅读 · 2018年12月18日
BAT机器学习面试1000题(716~720题)
七月在线实验室
19+阅读 · 2018年12月17日
BAT机器学习面试题1000题(376~380题)
七月在线实验室
9+阅读 · 2018年8月27日
BAT机器学习面试题1000题(331~335题)
七月在线实验室
12+阅读 · 2018年8月13日
深度学习面试100题(第81-85题)
七月在线实验室
16+阅读 · 2018年8月6日
深度学习面试100题(第76-80题)
七月在线实验室
6+阅读 · 2018年8月3日
BAT机器学习面试题1000题(316~320题)
七月在线实验室
14+阅读 · 2018年1月18日
BAT机器学习面试题及解析(266-270题)
七月在线实验室
6+阅读 · 2017年12月13日
BAT题库 | 机器学习面试1000题系列(第161~165题)
七月在线实验室
7+阅读 · 2017年11月6日
BAT机器学习面试1000题系列(第76~80题)
七月在线实验室
5+阅读 · 2017年10月13日
Arxiv
12+阅读 · 2018年9月5日
Arxiv
5+阅读 · 2018年6月12日
Arxiv
6+阅读 · 2018年4月24日
Arxiv
7+阅读 · 2018年3月22日
VIP会员
相关VIP内容
打怪升级!2020机器学习工程师技术路线图
专知会员服务
98+阅读 · 2020年6月3日
【伯克利】再思考 Transformer中的Batch Normalization
专知会员服务
40+阅读 · 2020年3月21日
机器学习速查手册,135页pdf
专知会员服务
340+阅读 · 2020年3月15日
【经典书】精通机器学习特征工程,中文版,178页pdf
专知会员服务
356+阅读 · 2020年2月15日
谷歌机器学习速成课程中文版pdf
专知会员服务
145+阅读 · 2019年12月4日
【机器学习课程】Google机器学习速成课程
专知会员服务
164+阅读 · 2019年12月2日
相关资讯
BAT机器学习面试1000题(721~725题)
七月在线实验室
11+阅读 · 2018年12月18日
BAT机器学习面试1000题(716~720题)
七月在线实验室
19+阅读 · 2018年12月17日
BAT机器学习面试题1000题(376~380题)
七月在线实验室
9+阅读 · 2018年8月27日
BAT机器学习面试题1000题(331~335题)
七月在线实验室
12+阅读 · 2018年8月13日
深度学习面试100题(第81-85题)
七月在线实验室
16+阅读 · 2018年8月6日
深度学习面试100题(第76-80题)
七月在线实验室
6+阅读 · 2018年8月3日
BAT机器学习面试题1000题(316~320题)
七月在线实验室
14+阅读 · 2018年1月18日
BAT机器学习面试题及解析(266-270题)
七月在线实验室
6+阅读 · 2017年12月13日
BAT题库 | 机器学习面试1000题系列(第161~165题)
七月在线实验室
7+阅读 · 2017年11月6日
BAT机器学习面试1000题系列(第76~80题)
七月在线实验室
5+阅读 · 2017年10月13日
Top
微信扫码咨询专知VIP会员