第 15 / 88 页
非代码面试题
显示 20 / 1751 道匹配题目
答题状态：未尝试未正确已正确
ID题目领域难度题型进度权限
2410为什么正则化会抬高训练误差却降低测试误差为什么正则化让训练集拟合变差、却改善样本外 MSE，这完全可能且合理？机器学习中等essay未尝试面试订阅2412为什么模型优劣会随着样本量增长而翻转为什么一个简单模型会在小样本时赢过复杂模型，却在大样本时明显落后？机器学习中等essay未尝试面试订阅2413为什么 bagging 主要针对的是方差为什么 bagging 通常被描述为降方差工具，而不是降偏差工具？机器学习中等essay未尝试面试订阅2414为什么不可约噪声会封顶最佳可达测试误差为什么即使偏差和方差看起来都已经很小，模型改进仍可能停滞？机器学习困难essay未尝试面试订阅2415为什么一个稳定但有偏的模型在实务上仍可能更受青睐为什么交易台可能更偏好一个略有偏差、但行为稳定的模型，而不是一个偏差更低、却在每次重训之间剧烈波动的模型？机器学习困难essay未尝试面试订阅2418为什么小验证集会对复杂模型反应过度为什么在验证集很小时，复杂模型之间的比较结果看起来会特别嘈杂？机器学习中等essay未尝试面试订阅2420为什么部署偏好会和基准 MSE 排名不同为什么在基准数据上最小化 MSE 的模型，并不一定是最终被生产团队部署的那个模型？机器学习困难essay未尝试面试订阅2421加权平方损失下的 Bayes 最优预测 1设损失为 L(a,Y)=W(Y-a) 2，其中 W>0 在预测时可观测。什么样的预测器会最小化 E[L(a,Y)|X,W]？机器学习简单derivation未尝试免费2423加权对数损失下的 Bayes 概率 3对于二元变量 Y，若 P(Y=1|X)=p，考虑加权对数损失 L(q,Y) = -alpha Y ln q - beta (1-Y) ln(1-q)。什么样的 q 会最小化条件期望损失？机器学习中等derivation未尝试免费2424log-cosh 损失的凸性 4证明 ell(r)=ln cosh(r) 关于残差 r 是凸函数。机器学习中等derivation未尝试免费2425为什么非对称损失会改变最优预测目标 21为什么一旦改变高估与低估的相对惩罚，Bayes 最优预测通常就会偏离条件均值？机器学习困难essay未尝试面试订阅2427不对称分类代价下的最优阈值一次假阴性的代价是 5，一次假阳性的代价是 1。若 p 是正类的预测概率，那么当 p 高于什么阈值时，应把样本判成正类？机器学习中等derivation未尝试面试订阅2428加权绝对损失下的常数预测需求 Y 以 0.5、0.3、0.2 的概率分别取值 0、2、5。在损失函数 3(Y-a) + + 1(a-Y) + 下，什么常数预测 a 会使期望损失最小？机器学习中等derivation未尝试面试订阅2429一组残差的总 Huber 损失使用 delta = 1 的 Huber 损失，计算残差 0.5、-1.2、3.0 的总损失。机器学习中等数值题未尝试面试订阅2430为什么加权 Brier 的 Bayes 解仍是加权均值 7对于二元变量 Y，考虑加权平方损失 alpha Y (1-q) 2 + beta (1-Y) q 2。把 Bayes 概率 q 表示成 p=P(Y=1|X) 的函数。机器学习困难derivation未尝试面试订阅2433pinball 损失在拐点处的次梯度 9对 pinball 损失 rho tau(r)=tau r（当 r>=0）且 (tau-1)r（当 r<0），在 r=0 处的次梯度集合是什么？机器学习中等derivation未尝试面试订阅2434为什么严格真诚损失必须偏好真实概率 10为什么概率分类损失最好是严格真诚的，而不只是“分类准确”？机器学习困难derivation未尝试面试订阅2435为什么对数损失比 Brier 损失更惩罚过度自信为什么当模型以接近确定性的方式押错类别时，对数损失会比 Brier 损失反应更猛烈？机器学习困难essay未尝试面试订阅2437为什么 Huber 损失位于平方损失与绝对损失之间为什么 Huber 损失常被描述为“介于平方损失和绝对损失之间”？机器学习中等essay未尝试面试订阅2438为什么凸性会让“平均预测”变得安全为什么损失函数的凸性会支持这样一种直觉：把相似的预测做平均通常不会太吃亏？机器学习困难essay未尝试面试订阅