BAT机器学习面试1000题系列(第166~170题)


上期思考题及参考解析
165.下图显示,当开始训练时,误差一直很高,这是因为神经网络在往全局最小值前进之前一直被卡在局部最小值里。为了避免这种情况,我们可以采取下面哪种策略?
0.png
  A 改变学习速率,比如一开始的几个训练周期不断更改学习速率
  B 一开始将学习速率减小10倍,然后用动量项(momentum)
  C 增加参数数目,这样神经网络就不会卡在局部最优处
  D 其他都不对
  答案:(A)
  选项A可以将陷于局部最小值的神经网络提取出来。

——————————————我是分割线——————————————

166.对于一个图像识别问题(在一张照片里找出一只猫),下面哪种神经网络可以更好地解决这个问题?
  A 循环神经网络
  B 感知机
  C 多层感知机
  D 卷积神经网络
  卷积神经网络将更好地适用于图像相关问题,因为考虑到图像附近位置变化的固有性质。
  答案:(D)

167.假设在训练中我们突然遇到了一个问题,在几次循环之后,误差瞬间降低
1.png
你认为数据有问题,于是你画出了数据并且发现也许是数据的偏度过大造成了这个问题。
2.png
你打算怎么做来处理这个问题?
  A 对数据作归一化
  B 对数据取对数变化
  C 都不对
  D 对数据作主成分分析(PCA)和归一化
  答案:(D)
  首先将相关的数据去掉,然后将其置零。

168.下面那个决策边界是神经网络生成的?
3.png
  A. A
  B. D
  C. C
  D. B
  E. 以上都有
  答案:(E)

169.在下图中,我们可以观察到误差出现了许多小的"涨落"。 这种情况我们应该担心吗?
4.png
  A 需要,这也许意味着神经网络的学习速率存在问题
  B 不需要,只要在训练集和交叉验证集上有累积的下降就可以了
  C 不知道
  D 不好说
  答案:(B)
  选项B是正确的,为了减少这些“起伏”,可以尝试增加批尺寸(batch size)。

——————————————我是分割线——————————————

本期思考题:
170.在选择神经网络的深度时,下面那些参数需要考虑?
  1 神经网络的类型(如MLP,CNN)
  2 输入数据
  3 计算能力(硬件和软件能力决定)
  4 学习速率
  5 映射的输出函数

  A 1,2,4,5
  B 2,3,4,5
  C 都需要考虑
  ​D 1,3,4,5

在评论区留言,一起交流探讨,让更多小伙伴受益。
参考答案在明天公众号上公布,敬请关注!
关注公号:julyedulab,第一时间获取「BAT机器学习面试1000题系列」最新题目哦~

往期题目:
【BAT机器学习面试题】前100题汇总及勘误(上)
【BAT机器学习面试题】前100题汇总及勘误(中)
【BAT机器学习面试题】前100题汇总及勘误(下)
BAT机器学习面试1000题系列(第101~105题)
BAT机器学习面试1000题系列(第106~110题)
BAT机器学习面试1000题系列(第111~115题)
BAT机器学习面试1000题系列(第116~120题)
BAT机器学习面试1000题系列(第121~125题)
BAT机器学习面试1000题系列(第126~130题)
BAT机器学习面试1000题系列(第131~135题)
BAT机器学习面试1000题系列(第136~140题)
BAT机器学习面试1000题系列(第141~145题)
BAT机器学习面试1000题系列(第146~150题)
BAT机器学习面试1000题系列(第151~155题)
BAT机器学习面试1000题系列(第156~160题)
BAT机器学习面试1000题系列(第161~165题)
已邀请:

要回复问题请先登录注册

返回顶部