BAT机器学习面试1000题（666~670题）

666题

假定你正在处理类属特征，并且没有查看分类变量在测试集中的分布。现在你想将 one hot encoding（OHE）应用到类属特征中。那么在训练集中将 OHE 应用到分类变量可能要面临的困难是什么？

A、分类变量所有的类别没有全部出现在测试集中

B、类别的频率分布在训练集和测试集是不同的

C、训练集和测试集通常会有一样的分布

D、A 和 B 都正确

正确答案是：D

解析：

答案为（D）：A、B 项都正确，如果类别在测试集中出现，但没有在训练集中出现，OHE 将会不能进行编码类别，这将是应用 OHE 的主要困难。选项 B 同样也是正确的，在应用 OHE 时，如果训练集和测试集的频率分布不相同，我们需要多加小心。

667题

Skip gram 模型是在 Word2vec 算法中为词嵌入而设计的最优模型。以下哪一项描绘了 Skip gram 模型？



A、A

B、B

C、A和B

D、以上都不是

正确答案是： B

解析：

答案为（B）：这两个模型都是在 Word2vec 算法中所使用的。模型 A 代表着 CBOW，模型 B 代表着 Skip gram。

668题

假定你在神经网络中的隐藏层中使用激活函数 X。在特定神经元给定任意输入，你会得到输出「-0.0001」。X 可能是以下哪一个激活函数？

A、ReLU

B、tanh

C、SIGMOID

D、以上都不是

正确答案是： B

解析：

答案为（B）：该激活函数可能是 tanh，因为该函数的取值范围是 (-1,1)。

669题

对数损失度量函数可以取负值。

A、对

B、错

正确答案是： B

解析：

答案为（B）：对数损失函数不可能取负值。

670题

下面哪个/些对「类型 1（Type-1）」和「类型 2（Type-2）」错误的描述是正确的？

类型 1 通常称之为假正类，类型 2 通常称之为假负类。

类型 2 通常称之为假正类，类型 1 通常称之为假负类。

类型 1 错误通常在其是正确的情况下拒绝假设而出现。

A、只有 1

B、只有 2

C、只有 3

D、1和3

正确答案是：D

解析：

答案为（E）：在统计学假设测试中，I 类错误即错误地拒绝了正确的假设（即假正类错误），II 类错误通常指错误地接受了错误的假设（即假负类错误）。

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