第 2 / 3 页
非代码面试题
显示 20 / 41 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
2510lambda 为零时会回到 OLS 16为什么 ridge 与 lasso 在正则化参数设为零时都会退化成 OLS？机器学习困难derivation未尝试面试订阅2521仅截距 logistic 的极大似然估计 1对于一个仅含截距的 logistic 模型，若样本中有 n 1 个正类、n 0 个负类，什么样的拟合概率 p hat 会最大化对数似然？机器学习简单derivation未尝试免费2522由正样本比例求截距 2在仅截距的 logistic 模型里，若拟合概率为 p hat，什么样的截距 b 满足 sigma(b)=p hat？机器学习简单derivation未尝试免费2523logistic 负对数似然的梯度 3对单个观测 (x,y)，其中 y in 0,1 ，打分为 z = w T x。其负对数似然关于 w 的梯度是什么？机器学习中等derivation未尝试免费2524为什么 logistic 回归没有闭式解 5为什么 logistic 回归通常需要迭代优化，而不像 OLS 那样有正规方程式的闭式解？机器学习中等essay未尝试免费2526为什么可分数据会把系数往外推 7为什么在完全线性可分且不加正则的情况下，logistic 回归系数往往会发散？机器学习简单essay未尝试免费2528为什么对数损失奖励校准 9为什么一个校准良好的概率预测器，在对数损失下通常会比一个“只会排对顺序”的预测器表现更好？机器学习中等essay未尝试免费2529为什么 logistic 明明是凸的还需要正则 11如果 logistic 损失已经是凸的，为什么实践中仍然常常必须加正则？机器学习中等essay未尝试面试订阅2532logistic 负对数似然的 Hessian 4对单个观测，若打分为 z = w T x，则其负对数似然关于 w 的 Hessian 是什么？机器学习简单derivation未尝试免费2537为什么 logistic 概率对下游有用 18为什么 logistic 回归输出经过校准的概率估计，而不是只给一个硬标签，会很有价值？机器学习中等essay未尝试面试订阅2538为什么训练时 logistic 比硬阈值规则更好 23为什么一个平滑的概率损失，比直接对一个硬分类规则训练更容易优化？机器学习中等essay未尝试免费5016由后验责任度反推竞争分量密度 1在一个双高斯混合模型中，分量 1 的权重为 0.6，分量 2 的权重为 0.4，且某个观测 x 在分量 1 下的密度值为 g1(x)=0.3。E 步给分量 1 分配的后验责任度为 0.75。由此隐含的分量 2 密度值 g2(x) 是多少？机器学习简单数值题未尝试面试订阅5021由 EM 均值更新反推缺失观测 6某高斯混合模型在 M 步把一个分量的均值更新为 0.875。有三个观测以责任度 0.8、0.6 和 0.1 贡献给该分量。已知其中两个观测值为 0 和 1，第三个观测 x 在日志里缺失。由更新后的均值可反推出 x 是多少？机器学习中等数值题未尝试面试订阅5023由 EM 均值更新反推缺失观测 8某高斯混合模型在 M 步把一个分量的均值更新为 0.4。有三个观测以责任度 0.4、0.4 和 0.2 贡献给该分量。已知其中两个观测值为 -1 和 1，第三个观测 x 在日志里缺失。由更新后的均值可反推出 x 是多少？机器学习中等数值题未尝试面试订阅5026由更新后的混合权重反推有效成员数 11一次 EM 拟合使用了 80 个观测，而在 M 步之后某个分量的更新权重为 0.35。分配给该分量的总责任度质量是多少？机器学习简单数值题未尝试面试订阅5031额外分量的 BIC 改进阈值 16一个多出来的混合分量会在样本量 n = 100 上增加 Delta k = 3 个自由参数。在 BIC = -2 log L + k log n 的定义下，较大模型要被偏好，最少需要多大的对数似然改进 Delta log L？机器学习中等数值题未尝试面试订阅5036EM 混合模型诊断 21为什么在混合模型训练中，某个 EM 分量有时会塌缩到单个点并伴随接近零的方差？机器学习困难essay未尝试面试订阅5037EM 混合模型诊断 22为什么同一份数据上的两次 EM 运行，即使到达了相近的似然值，也可能落在明显不同的混合参数上？机器学习困难essay未尝试面试订阅5038EM 混合模型诊断 23为什么标签交换在混合模型里并不是 bug，但在比较不同运行结果时仍然很麻烦？机器学习困难essay未尝试面试订阅5039EM 混合模型诊断 24为什么 k-means 与“共享球形协方差”的高斯混合模型常会给出相似聚类，但在边界样本上仍可能意见不同？机器学习困难essay未尝试面试订阅