第 6 / 6 页
非代码面试题
显示 8 / 108 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
4208C 增大时目标值上升 18一个软间隔 SVM 保持 ||w|| 2 和总 hinge loss 不变，但 C 从 0.5 提高到 1.5，且总 hinge loss 为 2.0。目标函数会上升多少？机器学习中等derivation未尝试面试订阅4209对偶系数减半后的贡献 19在某个测试点，一个支持向量原本贡献 +0.9。如果它的对偶系数减半，而其他部分都不变，那么这个支持向量的新贡献是多少？机器学习中等derivation未尝试面试订阅4210特征加倍时线性得分变化 20一个线性 SVM 在某个点上的线性得分原本是 1.2。如果相关特征值全部加倍，而 w 保持不变，这个线性项的新得分会是多少？机器学习中等derivation未尝试面试订阅4211稀疏高维下先试哪种 SVM 21如果特征是维度极高且极度稀疏的 one-hot 指标，通常会先试线性 SVM 还是 RBF SVM？为什么？机器学习中等essay未尝试面试订阅4212为什么 RBF SVM 特别依赖特征缩放 22为什么在使用 RBF SVM 之前，特征缩放会显得尤其重要？机器学习中等essay未尝试面试订阅4213为什么预测时只需要支持向量 23为什么在 SVM 做预测时，只需要支持向量而不需要所有训练点？机器学习中等essay未尝试面试订阅4214为什么极大的 C 会提高过拟合风险 24为什么在软间隔 SVM 里，把 C 设得极大可能会增加过拟合风险？机器学习中等essay未尝试面试订阅4215为什么高次多项式核在未缩放特征上会变得尴尬 25为什么高次多项式核在未经缩放的特征上，常常会在数值上和统计上都很别扭？机器学习中等essay未尝试面试订阅