第 59 / 87 页
非代码面试题
显示 20 / 1721 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
4367网格搜索组合数 2某个搜索网格包含 4 个学习率、3 个树深度和 5 个正则强度。一共有多少个超参数组合？机器学习简单数值题未尝试面试订阅4368successive halving 总训练次数 3successive halving 从 27 个配置开始。每一轮保留三分之一的配置，并让所有幸存者各训练一次。如果总共运行 3 轮，会执行多少次模型训练？机器学习简单数值题未尝试面试订阅4369重复交叉验证的总评分数 4你要比较 12 个超参数设置，使用 5 折交叉验证并重复 3 次。所有设置和所有折一共产生多少个验证分数？机器学习简单数值题未尝试面试订阅4370时间序列切分下的训练次数 5某个时间序列超参数搜索要在 6 个 expanding-window 切分上评估 8 个设置。如果每个设置在每个切分上都重训一次，总共需要多少次模型训练？机器学习简单数值题未尝试面试订阅4371更密的对数网格带来多少额外训练 6某个正则强度 C 的搜索网格从 5 个对数间隔值扩展到 9 个，而其他设置不变。若另一个超参数有 4 个取值，并使用 6 折交叉验证，那么更密的 C 网格会额外带来多少次模型训练？机器学习中等数值题未尝试面试订阅4372随机搜索命中好区域的概率 7某个随机搜索会独立抽取 20 个配置，而真正好的区域占整个超参数空间的 8%。至少命中一次该区域的概率是多少？机器学习中等数值题未尝试面试订阅4373不同保留比例下的训练节省 8successive halving 从 64 个配置开始。比较两种总共 3 轮的保留策略：每轮保留一半 vs 每轮保留四分之一。后者会少训练多少次模型？机器学习中等数值题未尝试面试订阅4374折数减半带来的训练节省 9一次调参运行要测试 30 个配置。如果在配置集合不变的情况下，把 10 折交叉验证改成 5 折，会节省多少次模型训练？机器学习中等数值题未尝试面试订阅4375预算增加后的额外耗时 10某个随机搜索的预算从 40 个配置增加到 55 个。每个配置都使用 4 折交叉验证，并且每次训练耗时 12 分钟。如果串行执行，这会额外增加多少训练时间？机器学习中等数值题未尝试面试订阅4391隔夜收益与日内收益分解 1某只股票昨天收盘价为 100，今天开盘价为 102，今天收盘价为 101。今天的隔夜收益和日内收益分别是多少？机器学习简单数值题未尝试面试订阅4392相对基准的残差收益 2某只股票今天上涨 1.4%，同期基准上涨 0.5%。如果该股票相对基准的 beta 为 1.6，那么应归因给股票自身的市场调整后残差收益是多少？机器学习简单数值题未尝试面试订阅4393无泄漏滚动均值收益特征 3在今天收盘时，你要用最近 5 个已经完成的日收益 [1%, -2%, 0%, 3%, 2%] 构造一个无泄漏的滚动均值收益特征。这个特征值是多少？机器学习简单数值题未尝试面试订阅4394RMS 实现波动率特征 4某个实现波动率特征被定义为最近 4 个日收益的均方根。如果这 4 个收益是 [1%, -1%, 2%, 0%]，那么得到的实现波动率特征是多少？机器学习简单数值题未尝试面试订阅4395波动率标准化动量 5某个动量特征定义为“过去 20 天累计收益 ÷ 过去日波动率”。如果累计收益为 6%，日波动率为 1.5%，应存下什么 vol-scaled momentum 值？机器学习简单数值题未尝试面试订阅4396下一交易日日内标签 6如果今天收盘价是 100，明天开盘价是 98，明天收盘价是 99，那么在明天收盘后可见的“下一交易日日内收益”标签是多少？机器学习简单数值题未尝试面试订阅4397横截面去均值收益 7某个资产今天的收益是 1.2%，而其所在股票池的横截面平均收益是 0.4%。这个资产对应的 demeaned return 特征是多少？机器学习简单数值题未尝试面试订阅4398行业残差收益特征 8某只股票上涨 1.5%，其所属行业指数上涨 0.9%。如果该股票相对行业的 beta 为 1.2，那么应计算出的行业残差收益特征是多少？机器学习简单数值题未尝试面试订阅4399滞后收益 z-score 9昨天的收益是 1.8%。历史已完成日收益的滚动均值为 0.3%，滚动标准差为 0.5%。应记录什么样的滞后收益 z-score 特征？机器学习简单数值题未尝试面试订阅4400市场调整后的隔夜收益 10某只股票昨天收盘 50、今天开盘 51；市场指数昨天收盘 2000、今天开盘 2020。如果该股票相对市场的隔夜 beta 为 1.5，那么应计算出的市场调整后隔夜收益特征是多少？机器学习简单数值题未尝试面试订阅4416滚动回测中的可交易测试覆盖 1一个滚动 walk-forward 方案使用 24 个月训练、随后 1 个月 embargo、再接 6 个月测试，并且每次前移 6 个月，总历史长度为 61 个月。每个测试块的前 2 个月只用于预热滚动特征，不能交易。最终一共能得到多少个月的可交易样本外月份？机器学习简单数值题未尝试面试订阅