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
0 个回复