第 4 / 5 页
非代码面试题
显示 20 / 82 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
4381时段差异很大时的第一反应 16由于不同时间段的行为差异很大，各个 fold 的分数波动剧烈。在轻信一个平均 CV 分数之前，调参时首先该考虑什么？机器学习中等essay未尝试面试订阅4382最优点落在边界时下一步做什么 17当前搜索里，最优分数出现在正则强度网格的最大取值上。这通常说明下一步应该做什么？机器学习中等essay未尝试面试订阅4383训练升验证平时的调参方向 18随着模型容量增加，训练表现持续提高，但验证表现基本不动。从调参角度看，下一步更应该往什么方向测试？机器学习中等essay未尝试面试订阅4384好区域很宽时还要不要加密搜索 19某次 random search 在一个很宽的超参数区域里都不断找到相近的好结果。这通常说明把那个区域的搜索网格继续大幅加密，边际价值如何？机器学习中等essay未尝试面试订阅4385单个小 fold 主导波动时先改什么 20如果某个交叉验证 fold 明显比其他 fold 小得多，并且主导了平均分的波动，那么调参时首先该处理什么设计问题？机器学习中等essay未尝试面试订阅4386训练高验证低时先查什么 21训练 AUC 很高，但交叉验证 AUC 接近随机。在继续尝试更多超参数值之前，第一步应该检查什么？机器学习中等essay未尝试面试订阅4387差距远小于标准误时如何解读 22两个超参数设置的平均 CV 分数只差 0.001，而估计标准误却有 0.010。第一反应应该如何解读这种结果？机器学习中等essay未尝试面试订阅4388短窗口在回测赢了但实盘变差时先查什么 23某次时间序列调参表明很短的 lookback window 表现最好，但最近的实盘表现却明显恶化。在扩大搜索范围之前，首先应检查什么？机器学习中等essay未尝试面试订阅4389编码器放错位置时的立刻修正 24某个类别编码器先在全量样本上拟合了一次，然后被重复用于交叉验证里的各个 fold。立即应该如何修正？机器学习中等essay未尝试面试订阅4390双边界同时命中时下一步 25当前最优设置同时落在学习率网格和正则网格的边界极值上。下一步搜索最合理的动作是什么？机器学习中等essay未尝试面试订阅5041反推缺失折的性能差 1一项 5 折交叉验证比较记录了四个配对得分差（模型 A 减模型 B）：[0.02, 0.01, -0.01, 0.03]。交易台报告说 5 折的总体平均差为 0.01。缺失的第 5 折差值是多少？机器学习中等数值题未尝试面试订阅5042反推缺失折的性能差 2一项 5 折交叉验证比较记录了四个配对得分差（模型 A 减模型 B）：[0.05, 0.02, 0.04, -0.01]。交易台报告说 5 折的总体平均差为 0.026。缺失的第 5 折差值是多少？机器学习中等数值题未尝试面试订阅5043反推缺失折的性能差 3一项 5 折交叉验证比较记录了四个配对得分差（模型 A 减模型 B）：[-0.02, 0.01, 0.0, -0.01]。交易台报告说 5 折的总体平均差为 0.002。缺失的第 5 折差值是多少？机器学习中等数值题未尝试面试订阅5044反推缺失折的性能差 4一项 5 折交叉验证比较记录了四个配对得分差（模型 A 减模型 B）：[0.01, 0.01, 0.02, 0.0]。交易台报告说 5 折的总体平均差为 0.014。缺失的第 5 折差值是多少？机器学习中等数值题未尝试面试订阅5045反推缺失折的性能差 5一项 5 折交叉验证比较记录了四个配对得分差（模型 A 减模型 B）：[0.04, -0.02, 0.01, 0.02]。交易台报告说 5 折的总体平均差为 0.01。缺失的第 5 折差值是多少？机器学习中等数值题未尝试面试订阅5046由 McNemar 摘要反推不一致计数 6两个分类器在同一测试集上比较。已知不一致样本总数为 b+c=16，且模型 A 更好，因此 b>c。同时连续性修正后的 McNemar 统计量为 3.0625。由此隐含的 (b,c) 是多少？机器学习中等数值题未尝试面试订阅5051成本敏感部署选择 11模型 A 在验证集上产生 8 个假阳性和 2 个假阴性；模型 B 产生 6 个假阳性和 5 个假阴性。若一个假阴性的成本是 10，一个假阳性的成本是 1，哪一个模型的验证成本更低？两者成本分别是多少？机器学习中等数值题未尝试面试订阅5061为什么嵌套评估重要为什么把两个已经调过参的模型，直接拿在同一组“调参时用过的验证折”上比较，会是不公平的？机器学习困难essay未尝试面试订阅5062为什么相关性重要为什么当模型评分来自相互重叠的滚动窗口时，标准 iid 显著性论证往往会过于乐观？机器学习困难essay未尝试面试订阅5063指标选择会改变赢家为什么一个在 AUC 上获胜的模型，仍可能在业务效用上输掉？机器学习困难essay未尝试面试订阅