第 17 / 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
2465为什么会需要嵌套验证如果同一份验证集被反复用于模型族选择、特征工程和阈值调节，为什么从概念上说需要第二层外部留出集或嵌套流程？机器学习困难essay未尝试面试订阅2470看到测试集构成后再定稀有类别阈值如果你在看到测试集中出现了多少稀有类别之后，才决定保留类别所需的最小频数阈值，为什么这已经是被污染的设计决策？机器学习困难essay未尝试面试订阅2471由中心化充分统计量求斜率 1在带截距的一元 OLS 中，若中心化充分统计量满足 sum i (x i-xbar)(y i-ybar)=S xy、sum i (x i-xbar) 2=S xx，请推导 beta hat。机器学习简单derivation未尝试免费2472由样本均值与斜率求截距 2推导带截距一元回归中，在已知 beta hat 之后 OLS 截距的表达式。机器学习简单derivation未尝试免费2473缩放单个特征会重缩放对应系数 3如果带截距的 OLS 模型里把特征 x 替换成 x new = c x，在保持所有拟合值不变的前提下，对应系数会怎样变化？机器学习中等derivation未尝试面试订阅2475为什么重复特征会导致系数不唯一 5为什么两个完全重复的特征会让 OLS 系数向量不唯一，而拟合预测却仍然可以唯一？机器学习困难essay未尝试面试订阅2477为什么中心化能简化 OLS 代数 7为什么在带截距时，对特征和目标做中心化，常常能让 OLS 推导更干净？机器学习中等essay未尝试免费2478残差与特征正交 8为什么在最优点处，OLS 残差向量必须与设计矩阵的每一列都正交？机器学习中等derivation未尝试面试订阅2480正交特征会给出逐坐标系数 9设两个特征 x1 和 x2 都已中心化且彼此正交。请用 x1 T y、x2 T y、||x1|| 2、||x2|| 2 推导 OLS 系数。机器学习困难derivation未尝试面试订阅2483为什么中心化不会改变斜率 13为什么在带截距的一元 OLS 中，对 x 和 y 做中心化不会改变拟合斜率？机器学习中等derivation未尝试面试订阅2484响应变量缩放 14如果把每个目标值都乘上 c，OLS 系数向量和截距会怎样变化？机器学习困难derivation未尝试面试订阅2485为什么梯度下降与闭式解会一致 15为什么在 OLS 中，精确收敛的梯度下降与正规方程解会一致？机器学习困难derivation未尝试面试订阅2487等价参数化下预测不变 16为什么当设计矩阵秩亏时，两个不同的系数向量仍可能产生完全相同的 OLS 预测？机器学习中等derivation未尝试面试订阅2489单个特征整体平移 19若在一个已经含有截距项的回归里，把特征 x 替换成 x+k，那么 x 的斜率和截距会怎样变化？机器学习中等derivation未尝试面试订阅2490为什么 OLS 在失配下仍可能预测得不错 20为什么即使真实数据生成过程并不严格线性，OLS 仍可能是有用的预测器？机器学习困难essay未尝试面试订阅2495什么时候 OLS 预测是唯一的 25即使系数向量不唯一，为什么 OLS 的拟合预测 X beta hat 仍然是唯一的？机器学习困难derivation未尝试面试订阅2497为什么 ridge 会收缩但几乎不会变成零 2为什么 ridge 通常会把系数连续地往零方向收缩，而不是像 lasso 那样把许多系数精确压成零？机器学习简单essay未尝试免费2498正交坐标里 lasso 变零的阈值 3在正交单特征问题里，若 x T x = d、得分 z = x T y，那么对哪些 lambda，lasso 系数会精确变成零？机器学习中等derivation未尝试免费2499soft-threshold 后的 lasso 系数 4在正交单特征问题里，若 x T x = d、x T y = z > 0，请推导 0 < lambda < z 时的 lasso 系数。机器学习中等derivation未尝试面试订阅2500达到目标 ridge 收缩比例所需的 lambda 5在正交坐标里，ridge 会用 d/(d+lambda) 的比例收缩 beta ols。若目标收缩比例是 r in (0,1)，lambda 应是多少？机器学习困难derivation未尝试面试订阅