第 73 / 88 页
非代码面试题
显示 20 / 1751 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
4198三次多项式核值 8使用三次多项式核 K(x,z)=(x·z+1) 3，求 K((1,1),(2,-1))。机器学习中等数值题未尝试面试订阅4201哪些点还在惩罚里 11一个软间隔 SVM 在四个样本上的 y f(x) 分别为 [1.4, 0.8, -0.3, 1.0]。哪些点会因为严格处于间隔内或被误分类，而继续进入 hinge-loss 惩罚项？机器学习中等derivation未尝试面试订阅4202哪条超平面间隔最宽 12三条分离超平面对训练集都能正确分类，但它们的 ||w|| 分别为 2.0、4.0 和 1.6。哪一条的几何间隔最宽？机器学习中等derivation未尝试面试订阅4203比较两个 SVM 目标值 13模型 A 满足 ||w|| 2=1.0、总 hinge loss=3.0；模型 B 满足 ||w|| 2=4.0、总 hinge loss=0.5。如果 C=0.2，哪一个 SVM 目标函数更小？机器学习中等derivation未尝试面试订阅4204由 α 判断点的角色 14在一个 SVM 的对偶解中，某个训练点的 α i=0.4，且 C=1.0。这个结果暗示该点相对间隔扮演什么角色？机器学习中等derivation未尝试面试订阅4206gamma 翻倍时相似度变化 16一个 RBF 核对应的距离平方为 2。如果 γ 从 0.5 翻倍到 1.0，核相似度会乘上什么因子？机器学习中等derivation未尝试面试订阅4207点积变大时多项式核涨幅 17二次多项式核为 K=(x·z+1) 2。如果 x·z 从 1.0 升到 1.5，K 会增加多少百分比？机器学习中等derivation未尝试面试订阅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4216归一化 MDI 占比 1一个随机森林报告的平均不纯度下降总贡献为 spread=0.42, imbalance=0.21, id bucket=0.07。问归一化后的特征重要性占比分别是多少？哪一个特征排第一？机器学习简单数值题未尝试面试订阅4217置换重要性与排序 1一个模型的基准验证集 AUC 是 0.62。分别置换三个特征后，AUC 变成：value signal 对应 0.57，momentum 对应 0.60，zip code 对应 0.61。它们的置换重要性下降是多少？谁排第一？机器学习简单数值题未尝试面试订阅4218聚合 one-hot 特征组 2一个 sector 特征被拆成三个 one-hot 列，它们的 impurity-gain 重要性分别是 0.04、0.03 和 0.01。另外两个特征的重要性分别是 0.05 和 0.07。如果把这三个 one-hot 列聚合成一个组，那么各组的归一化占比分别是多少？谁排第一？机器学习简单数值题未尝试面试订阅4219跨树汇总 gain 重要性 3两棵树分别给特征 A 和 B 带来 split gain。Tree 1 的贡献是 A=12、B=5；Tree 2 的贡献是 A=8、B=10。A 和 B 的总归一化 gain 重要性各是多少？机器学习简单数值题未尝试面试订阅4220以 log loss 衡量置换重要性 4一个模型的基准 log loss 是 0.400。置换特征 X 后，log loss 升到 0.455；置换特征 Y 后，升到 0.420。按 log loss 指标定义，它们的置换重要性各是多少？哪个更重要？机器学习简单数值题未尝试面试订阅