點(diǎn)擊上方“AI有道”，選擇“置頂公眾號(hào)”

關(guān)鍵時(shí)刻，第一時(shí)間送達(dá)！

讀本文大約需要 9 分鐘

機(jī)器學(xué)習(xí)是一門理論性和實(shí)戰(zhàn)性都比較強(qiáng)的技術(shù)學(xué)科。在應(yīng)聘機(jī)器學(xué)習(xí)相關(guān)工作崗位時(shí)，我們常常會(huì)遇到各種各樣的機(jī)器學(xué)習(xí)問題和知識(shí)點(diǎn)。為了幫助大家對(duì)這些知識(shí)點(diǎn)進(jìn)行梳理和理解，以便能夠更好地應(yīng)對(duì)機(jī)器學(xué)習(xí)筆試包括面試。紅色石頭準(zhǔn)備在公眾號(hào)連載一些機(jī)器學(xué)習(xí)筆試題系列文章，希望能夠?qū)Υ蠹矣兴鶐椭?#xff01;

之前紅色石頭整理了一些機(jī)器學(xué)習(xí)筆試題，共發(fā)布了六篇文章，總共包含了 75 道機(jī)器學(xué)習(xí)、深度學(xué)習(xí)相關(guān)的筆試題。這里一并列出來：

機(jī)器學(xué)習(xí)筆試薈萃

【1】機(jī)器學(xué)習(xí)筆試題精選

【2】機(jī)器學(xué)習(xí)筆試題精選

【3】機(jī)器學(xué)習(xí)筆試題精選

【4】機(jī)器學(xué)習(xí)筆試題精選

【5】機(jī)器學(xué)習(xí)筆試題精選

【6】機(jī)器學(xué)習(xí)筆試題精選

接下來我們繼續(xù)來看機(jī)器學(xué)習(xí)筆試題精選（七）的內(nèi)容。

Q1. 下面哪個(gè)對(duì)應(yīng)的是正確的 KNN 決策邊界？

A. A

B. B

C. C

D. D

答案：A

解析：本題考查的是 KNN 的相關(guān)知識(shí)點(diǎn)。

KNN 分類算法是一個(gè)比較成熟也是最簡(jiǎn)單的機(jī)器學(xué)習(xí)(Machine Learning)算法之一。該方法的思路是：如果一個(gè)樣本在特征空間中與K個(gè)實(shí)例最為相似(即特征空間中最鄰近)，那么這 K 個(gè)實(shí)例中大多數(shù)屬于哪個(gè)類別，則該樣本也屬于這個(gè)類別。其中，計(jì)算樣本與其他實(shí)例的相似性一般采用距離衡量法。離得越近越相似，離得越遠(yuǎn)越不相似。因此，決策邊界可能不是線性的。

Q2.?如果一個(gè)經(jīng)過訓(xùn)練的機(jī)器學(xué)習(xí)模型在測(cè)試集上達(dá)到 100% 的準(zhǔn)確率，這是否意味著該模型將在另外一個(gè)新的測(cè)試集上也能得到 100% 的準(zhǔn)確率呢？

A. 是的，因?yàn)檫@個(gè)模型泛化能力已經(jīng)很好了，可以應(yīng)用于任何數(shù)據(jù)

B. 不行，因?yàn)檫€有一些模型不確定的東西，例如噪聲

答案：B

解析：本題考查的是機(jī)器學(xué)習(xí)泛化能力與噪聲。

現(xiàn)實(shí)世界的數(shù)據(jù)并不總是無噪聲的，所以在這種情況下，我們不會(huì)得到 100% 的準(zhǔn)確度。

Q3. 下面是交叉驗(yàn)證的幾種方法：

1. Bootstrap

2. 留一法交叉驗(yàn)證

3. 5 折交叉驗(yàn)證

4. 重復(fù)使用兩次 5 折交叉驗(yàn)證

請(qǐng)對(duì)上面四種方法的執(zhí)行時(shí)間進(jìn)行排序，樣本數(shù)量為 1000。

A. 1 > 2 > 3 > 4

B. 2 > 3 > 4 > 1

C. 4 > 1 > 2 >３

D. 2 > 4 > 3 > 1

答案：D

解析：本題考查的是 k 折交叉驗(yàn)證和 Bootstrap 的基本概念。

Bootstrap 是統(tǒng)計(jì)學(xué)的一個(gè)工具，思想就是從已有數(shù)據(jù)集 D 中模擬出其他類似的樣本 Dt。Bootstrap 的做法是，假設(shè)有 N 筆資料，先從中選出一個(gè)樣本，再放回去，再選擇一個(gè)樣本，再放回去，共重復(fù) N 次。這樣我們就得到了一個(gè)新的 N 筆資料，這個(gè)新的 Dt 中可能包含原 D 里的重復(fù)樣本點(diǎn)，也可能沒有原 D 里的某些樣本，Dt 與 D 類似但又不完全相同。值得一提的是，抽取-放回的操作不一定非要是 N，次數(shù)可以任意設(shè)定。例如原始樣本有 10000 個(gè)，我們可以抽取-放回 3000 次，得到包含 3000 個(gè)樣本的 Dt 也是完全可以的。因此，使用 bootstrap 只相當(dāng)于有 1 個(gè)模型需要訓(xùn)練，所需時(shí)間最少。

留一法（Leave-One-Out）交叉驗(yàn)證每次選取 N-1 個(gè)樣本作為訓(xùn)練集，另外一個(gè)樣本作為驗(yàn)證集，重復(fù) N 次。因此，留一法相當(dāng)于有 N 個(gè)模型需要訓(xùn)練，所需的時(shí)間最長(zhǎng)。

5 折交叉驗(yàn)證把 N 個(gè)樣本分成 5 份，其中 4 份作為訓(xùn)練集，另外 1 份作為驗(yàn)證集，重復(fù) 5 次。因此，5 折交叉驗(yàn)證相當(dāng)于有 5 個(gè)模型需要訓(xùn)練。

2 次重復(fù)的 5 折交叉驗(yàn)證相當(dāng)于有 10 個(gè)模型需要訓(xùn)練。

Q4.?變量選擇是用來選擇最好的判別器子集， 如果要考慮模型效率，我們應(yīng)該做哪些變量選擇的考慮？（多選）?

A. 多個(gè)變量是否有相同的功能

B. 模型是否具有解釋性

C. 特征是否攜帶有效信息

D. 交叉驗(yàn)證

答案：ACD

解析：本題考查的是模型特征選擇。

如果多個(gè)變量試圖做相同的工作，那么可能存在多重共線性，影響模型性能，需要考慮。如果特征是攜帶有效信息的，總是會(huì)增加模型的有效信息。我們需要應(yīng)用交叉驗(yàn)證來檢查模型的通用性。關(guān)于模型性能，我們不需要看到模型的可解釋性。

Q6. 如果在線性回歸模型中額外增加一個(gè)變量特征之后，下列說法正確的是？

A.?R-Squared 和 Adjusted R-Squared 都會(huì)增大

B.?R-Squared 保持不變 Adjusted R-Squared 增加

C.?R-Squared 和 Adjusted R-Squared 都會(huì)減小

D.?以上說法都不對(duì)

答案：D

解析：本題考查的是線性回歸模型的評(píng)估準(zhǔn)則?R-Squared 和 Adjusted R-Squared。

線性回歸問題中，R-Squared 是用來衡量回歸方程與真實(shí)樣本輸出之間的相似程度。其表達(dá)式如下所示：

上式中，分子部分表示真實(shí)值與預(yù)測(cè)值的平方差之和，類似于均方差 MSE；分母部分表示真實(shí)值與均值的平方差之和，類似于方差 Var。根據(jù)?R-Squared 的取值，來判斷模型的好壞：如果結(jié)果是 0，說明模型擬合效果很差；如果結(jié)果是 1，說明模型無錯(cuò)誤。一般來說，R-Squared 越大，表示模型擬合效果越好。R-Squared 反映的是大概有多準(zhǔn)，因?yàn)?#xff0c;隨著樣本數(shù)量的增加，R-Square必然增加，無法真正定量說明準(zhǔn)確程度，只能大概定量。

單獨(dú)看?R-Squared，并不能推斷出增加的特征是否有意義。通常來說，增加一個(gè)特征，R-Squared 可能變大也可能保持不變，兩者不一定呈正相關(guān)。

如果使用校正決定系數(shù)（Adjusted R-Square）：

其中，n 是樣本數(shù)量，p 是特征數(shù)量。Adjusted R-Square?抵消樣本數(shù)量對(duì) R-Square的影響，做到了真正的 0~1，越大越好。若增加的特征有效，則?Adjusted R-Square 就會(huì)增大，反之則減小。

Q7. 如下圖所示，對(duì)同一數(shù)據(jù)集進(jìn)行訓(xùn)練，得到 3 個(gè)模型。對(duì)于這 3 個(gè)模型的評(píng)估，下列說法正確的是？（多選）

A. 第一個(gè)模型的訓(xùn)練誤差最大

B. 第三個(gè)模型性能最好，因?yàn)槠溆?xùn)練誤差最小

C. 第二個(gè)模型最穩(wěn)健，其在測(cè)試集上表現(xiàn)應(yīng)該最好

D. 第三個(gè)模型過擬合

答案：ACD

解析：本題考查的是機(jī)器學(xué)習(xí)模型欠擬合、過擬合概念。

很簡(jiǎn)單，第一個(gè)模型過于簡(jiǎn)單，發(fā)生欠擬合，訓(xùn)練誤差很大，在訓(xùn)練樣本和測(cè)試樣本上表現(xiàn)都不佳。第二個(gè)模型較好，泛化能力強(qiáng)，模型較為健壯，在訓(xùn)練樣本和測(cè)試樣本上表現(xiàn)都不錯(cuò)。第三個(gè)模型過于復(fù)雜，發(fā)生過擬合，訓(xùn)練樣本誤差雖然很小，但是在測(cè)試樣本集上一般表現(xiàn)很差，泛化能力很差。

模型選擇應(yīng)該避免欠擬合和過擬合，對(duì)于模型復(fù)雜的情況可以選擇使用正則化方法。

Q8. 如果使用線性回歸模型，下列說法正確的是？

A.?檢查異常值是很重要的，因?yàn)榫€性回歸對(duì)離群效應(yīng)很敏感

B.?線性回歸分析要求所有變量特征都必須具有正態(tài)分布

C.?線性回歸假設(shè)數(shù)據(jù)中基本沒有多重共線性

D. 以上說法都不對(duì)

答案：A

解析：本題考查的是線性回歸的一些基本原理。

異常值是數(shù)據(jù)中的一個(gè)非常有影響的點(diǎn)，它可以改變最終回歸線的斜率。因此，去除或處理異常值在回歸分析中一直是很重要的。

了解變量特征的分布是有用的。類似于正態(tài)分布的變量特征對(duì)提升模型性能很有幫助。例如，數(shù)據(jù)預(yù)處理的時(shí)候經(jīng)常做的一件事就是將數(shù)據(jù)特征歸一化到（0，1）分布。但這也不是必須的。

當(dāng)模型包含相互關(guān)聯(lián)的多個(gè)特征時(shí)，會(huì)發(fā)生多重共線性。因此，線性回歸中變量特征應(yīng)該盡量減少冗余性。C 選擇絕對(duì)化了。

Q9.?建立線性模型時(shí)，我們看變量之間的相關(guān)性。在尋找相關(guān)矩陣中的相關(guān)系數(shù)時(shí)，如果發(fā)現(xiàn) 3 對(duì)變量（Var1 和 Var2、Var2 和 Var3、Var3 和 Var1）之間的相關(guān)性分別為 -0.98、0.45 和 1.23。我們能從中推斷出什么呢？（多選）

A. Var1 和 Var2 具有很高的相關(guān)性

B. Var1 和 Var2 存在多重共線性，模型可以去掉其中一個(gè)特征

C. Var3 和 Var1 相關(guān)系數(shù)為 1.23 是不可能的

答案：ABC

解析：本題考查的是相關(guān)系數(shù)的基本概念。

Var1 和 Var2 之間的相關(guān)性非常高，并且是負(fù)的，因此我們可以將其視為多重共線性的情況。此外，當(dāng)數(shù)據(jù)中存在多重線性特征時(shí)，我們可以去掉一個(gè)。一般來說，如果相關(guān)大于 0.7 或小于 -0.7，那么我們認(rèn)為特征之間有很高的相關(guān)性。第三個(gè)選項(xiàng)是不言自明的，相關(guān)系數(shù)介于 [-1,1] 之間，1.23 明顯有誤。

Q10.?如果自變量 X 和因變量 Y 之間存在高度的非線性和復(fù)雜關(guān)系，那么樹模型很可能優(yōu)于經(jīng)典回歸方法。這個(gè)說法正確嗎？

A. 正確

B. 錯(cuò)誤

答案：A

解析：本題考查的是回歸模型的選擇。

當(dāng)數(shù)據(jù)是非線性的時(shí)，經(jīng)典回歸模型泛化能力不強(qiáng)，而基于樹的模型通常表現(xiàn)更好。

更多原創(chuàng)內(nèi)容請(qǐng)點(diǎn)擊文末的閱讀原文查看！

參考文獻(xiàn)：

https://www.analyticsvidhya.com/blog/2016/11/solution-for-skilltest-machine-learning-revealed/

推薦閱讀：

【干貨】我的機(jī)器學(xué)習(xí)入門路線圖

總結(jié)

以上是生活随笔為你收集整理的终章 | 机器学习笔试题精选的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。