BAT机器学习面试1000题（596~600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（596~600题）

596题

假设使用维数降低作为预处理技术，使用PCA将数据减少到k维度。然后使用这些PCA预测作为特征，以下哪个声明是正确的？

A、更高的“k”意味着更正则化

B、更高的“k”意味着较少的正则化

C、都不对

点击下方空白区域查看答案
▼

正确答案是： B

解析：

较高的k导致较少的平滑，因此能够保留更多的数据特征，从而减少正则化。

597题

在相同的机器上运行并设置最小的计算能力，以下哪种情况下t-SNE比PCA降维效果更好？

A、具有1百万项300个特征的数据集

B、具有100000项310个特征的数据集

C、具有10,000项8个特征的数据集

D、具有10,000项200个特征的数据集

点击下方空白区域查看答案
▼

正确答案是：C

解析：

t-SNE具有二次时空复杂度。

598题

对于t-SNE代价函数，以下陈述中的哪一个正确？

A、本质上是不对称的

B、本质上是对称的

C、与SNE的代价函数相同

点击下方空白区域查看答案
▼

正确答案是： B

解析：

SNE代价函数是不对称的，这使得使用梯度下降难以收敛。对称是SNE和t-SNE代价函数之间的主要区别之一。

599题

想像正在处理文本数据，使用单词嵌入（Word2vec）表示使用的单词。在单词嵌入中，最终会有1000维。现在想减小这个高维数据的维度，这样相似的词应该在最邻近的空间中具有相似的含义。在这种情况下，您最有可能选择以下哪种算法？

A、t-SNE

B、PCA

C、LDA

D、都不是

点击下方空白区域查看答案
▼

正确答案是：A

解析：

t-SNE代表t分布随机相邻嵌入，它考虑最近的邻居来减少数据。

600题

判断：t-SNE学习非参数映射。

A、真

B、假

点击下方空白区域查看答案
▼

正确答案是：A

解析：

t-SNE学习非参数映射，这意味着它不会学习将数据从输入空间映射到地图的显式函数。

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】

全新的大纲  全新升级

首次全面公开推荐技术在BAT中的核心应用
三大架构模块 三大算法类型  三大应用场景
四大课程特色  九大项目实战

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

程序员面经分享大赛（赢樱桃机械键盘、kindle、颈椎按摩仪、2018VIP、京东购物卡等）

干货 | 手把手教你数据不足时如何做深度学习NLP

统治世界的十大算法，你都了解多少？

CNN与RNN中文文本分类-基于TensorFlow 实现

送你9个常用的人脸数据库（附链接、报告）

拼团，咨询，查看课程，请点击 “ 阅读原文 ”

↓↓↓