第 2 / 3 页
非代码面试题
显示 20 / 51 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
4270DBSCAN 核心点判断 5某次 DBSCAN 使用 minPts=5，并且把点自身也算作邻居。某个点在 eps 半径内一共有 5 个邻居。它是不是核心点？机器学习简单数值题未尝试面试订阅4271平均连接距离 6在一维空间里，簇 A= 0,2 ，簇 B= 5,9 。它们的 average-linkage 距离是多少？机器学习简单数值题未尝试面试订阅4272一轮 k-means 更新 7某次一维 k-means 的当前质心是 0 和 10，分配结果是第一簇得到 1,2 ，第二簇得到 9 。更新后的两个质心是多少？机器学习简单数值题未尝试面试订阅4273簇内平方和 8一个簇包含点 [1,2,4]。围绕该簇均值的簇内平方和 SSE 是多少？机器学习简单数值题未尝试面试订阅4274Ward 合并代价 9在一维空间里，位置分别为 1 和 4 的两个单点簇，用 Ward linkage 合并时的代价增量是多少？机器学习简单数值题未尝试面试订阅4275完全连接距离 10在一维空间里，簇 A= 1,4 与簇 B= 6,8 采用 complete linkage 比较时，使用的距离是多少？机器学习简单数值题未尝试面试订阅4276eps 放大后的状态变化 11在 minPts=5 的 DBSCAN 中，某个点原本在 eps 内只有 4 个邻居，因此不是核心点。如果增大 eps 后邻居数变成 6，它的状态会发生什么变化？机器学习中等数值题未尝试面试订阅4277加入离群点后的质心偏移 12一个一维簇原本包含 [0,2,4]，因此质心是 2。如果再往这个簇里加入一个离群点 10，质心会移动多少？机器学习中等数值题未尝试面试订阅4278轮廓系数的敏感度 13某个点原本的轮廓系数参数是 a=3、b=5。如果 b 下降到 4，而 a 保持不变，轮廓系数会下降多少？机器学习中等数值题未尝试面试订阅4279GMM 责任度的变化 14在一个先验相等的两成分 GMM 中，点 x 上 component 1 的似然是 0.2，component 2 的似然是 0.1，因此 responsibility 1 是 2/3。如果 component 2 的似然上升到 0.2，那么 responsibility 1 会变成多少？机器学习中等数值题未尝试面试订阅4280标准化后的欧氏距离 15原本在原始特征下，点 (0,0) 与 (3,40) 的欧氏距离按常规计算。如果把第二个特征除以 10 做标准化，而第一个特征保持不变，新的距离是多少？机器学习中等数值题未尝试面试订阅4281single linkage 的第一步 16对一维点集 0,1,4 做 single-linkage 层次聚类，第一步会先合并哪一对？机器学习中等数值题未尝试面试订阅4282DBSCAN 的边界点判断 17在 minPts=4 的 DBSCAN 里，点 A 有 4 个邻居，点 B 有 3 个邻居，并且 B 落在 A 的 eps 邻域中。那么 B 的状态是什么？机器学习中等数值题未尝试面试订阅4283二维 k-means 的分配 18某次二维 k-means 的质心在 (0,0) 和 (4,0)。对于点 x=(1,2)，在分配步骤里它离哪个质心更近？机器学习中等数值题未尝试面试订阅4284GMM 的第一次 E 步 19在一个先验相等的两成分 GMM 中，样本 x 在两个成分下的密度分别是 0.12 和 0.08。第一次 E 步里，哪个成分会得到更高的责任度？机器学习中等数值题未尝试面试订阅4285Ward linkage 的第一步 20簇 A 的大小是 3、均值是 0；簇 B 的大小是 1、均值是 2；簇 C 的大小是 1、均值是 5。采用 Ward linkage 时，A-B 和 B-C 哪一对会先合并？机器学习中等数值题未尝试面试订阅4286非凸簇加噪声先试什么 21如果你预期数据里是弯月形这类非凸簇，而且还混有一些噪声点，通常会先试 k-means 还是 DBSCAN？为什么？机器学习中等essay未尝试面试订阅4287为什么尺度失衡会伤害 k-means 22为什么当某个特征的尺度明显大于其他特征时，k-means 往往会表现很差？机器学习中等essay未尝试面试订阅4288为什么 silhouette 可能偏向更小的 k 23为什么即使更大的 k 能继续降低 SSE，silhouette score 也可能仍然偏向更小的 k？机器学习中等essay未尝试面试订阅4289为什么直接聚类价格水平会误导 24为什么把股票的原始价格水平直接拿来聚类，往往不如聚类标准化后的收益或特征更合理？机器学习中等essay未尝试面试订阅