第 2 / 4 页
非代码面试题
显示 20 / 78 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
2571相关树平均后的方差公式 1设有 B 棵树，每棵树的方差都是 sigma 2，并且任意两棵树之间的相关系数都是 rho。推导它们简单平均后的方差。机器学习简单derivation未尝试免费2572集成方差的数值计算 22每棵树的方差为 9，任意两棵树的相关系数为 0.2，森林共有 25 棵树。森林平均预测的方差是多少？机器学习简单数值题未尝试免费2573无限森林的方差地板 2利用等相关树平均的方差公式，推导当树的棵数 B 趋于无穷时预测方差会收敛到什么值。机器学习中等derivation未尝试免费2574为什么 bagging 最能帮助不稳定学习器 10为什么 bagging 通常对深树帮助很大，却对本来就稳定的学习器帮助较小？机器学习中等essay未尝试免费2575为什么 bagging 很少能修复高偏差 11为什么不应指望 bagging 单独去拯救一个“单树本身就系统性失配”的学习器？机器学习困难essay未尝试面试订阅2576为什么强势单因子场景下特征子采样更有价值 12为什么当某个非常强的特征本来会出现在几乎每棵树的顶部时，随机特征子采样反而能提升森林表现？机器学习简单essay未尝试免费2577为什么 OOB 不适用于分组或时间数据 13为什么当样本之间由实体或时间联系在一起，而不是可交换抽样时，out-of-bag 误差会具有误导性？机器学习中等essay未尝试面试订阅2578为什么过小的 max_features 会抬高偏差 14为什么把 max features 设得过小，虽然能降低相关性，却仍可能伤害随机森林？机器学习中等essay未尝试免费2579由方差地板反推树相关性 23单棵树的方差是 6，而一个非常大的森林的方差似乎稳定在 1.8。隐含的树间相关系数 rho 是多少？机器学习中等数值题未尝试面试订阅2580为什么增加树数通常不会制造经典意义上的过拟合 15为什么给随机森林继续加树，通常只是收益趋于平台，而不会出现某些单模型家族那种爆炸式过拟合？机器学习困难essay未尝试面试订阅2581为什么随机森林回归外推能力差 16为什么随机森林回归通常无法把趋势外推到远超训练范围的区域？机器学习简单essay未尝试免费2584再加一棵树带来的边际方差下降 3在等相关树模型下，推导把树的数量从 B 增加到 B+1 时，集成方差会下降多少。机器学习困难derivation未尝试面试订阅2585达到目标方差上限所需的树数 4设每棵树的方差为 sigma 2，任意两棵树的相关系数为 rho。假设目标上限 V 满足 V > rho sigma 2，推导要把集成方差压到不超过 V 所需的最小 B。机器学习困难derivation未尝试面试订阅2589偏差不变时 bagging 后的 MSE 7假设每棵树的偏差平方都是 b 2，预测噪声底为 nu，而 bagging 只会按等相关树公式改变方差项。请推导拥有 B 棵树时的 bagged 测试 MSE。机器学习困难derivation未尝试面试订阅2591为什么小样本下 OOB 可能很吵 19为什么在小数据集上，即使森林本身还算稳定，OOB 误差也可能波动很大？机器学习简单essay未尝试免费2592等效独立树棵数 8定义 B eff，使得相关森林的方差 sigma 2 [rho + (1-rho)/B] 与独立树平均的方差 sigma 2 / B eff 相等。请推导 B eff。机器学习简单derivation未尝试免费2593为什么平均无法治愈系统性标签噪声 20为什么当训练标签本身存在系统性污染时，单纯把森林做大可能并不能修复性能？机器学习中等essay未尝试面试订阅2596平方损失下叶节点最优更新值 1在平方误差的梯度提升里，某个终端区域 R 会被赋予一个常数更新 gamma。推导能使 sum i in R (r i-gamma) 2 最小的 gamma，其中 r i 是当前残差。机器学习简单derivation未尝试免费2597带权区域更新值 2若 boosting 某个区域 R 内的样本带有正权重 w i，推导能使 sum i in R w i (r i-gamma) 2 最小的常数更新 gamma。机器学习简单derivation未尝试免费2598三轮 boosting 之后的最终预测 23某个 boosting 模型从 F 0(x)=10 开始。对某个观测而言，连续三轮落到的叶节点更新分别是 +1.2、-0.5、+0.8，且每轮学习率 eta=0.1。最终预测是多少？机器学习中等数值题未尝试免费