第 1 / 5 页
非代码面试题
显示 20 / 89 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
2396等权相关模型集成的方差5 个基模型的预测方差都为 4，任意两两预测之间的相关系数都是 0.25。若把这 5 个预测做等权平均，集成预测的方差是多少？机器学习简单derivation未尝试免费2397两类模型的样本量交叉点模型 A 的额外测试 MSE 是 0.04 + 18/n，而模型 B 的额外测试 MSE 是 0.16 + 4/n，其中 n 是样本量。它们在什么样本量下打平？机器学习简单derivation未尝试免费2398方差下降所释放出的偏差预算一次正则化调整把模型的方差项从 0.30 降到 0.11，同时不可约噪声不变。在总 MSE 不再改善之前，最多还能额外增加多少偏差平方？机器学习中等derivation未尝试免费2399无偏高噪声模型的最优权重模型 A 无偏且方差为 9。模型 B 的方差为 1.44，固定偏差为 0.6。若把它们按 P w = wA + (1-w)B 混合，并把误差视为独立，什么权重 w 会让 MSE 最小？机器学习困难derivation未尝试面试订阅2400要达到目标方差需要平均多少个独立模型每个独立训练出来的模型方差都是 2.4，且偏差可以忽略。至少要平均多少个独立模型，才能把方差项压到 0.3 以下？机器学习中等derivation未尝试免费2401样本量扩大四倍后的总误差某模型当前的偏差平方是 0.09，方差是 0.24，不可约噪声是 0.50。若把数据集扩大 4 倍会使方差项缩小到原来的 1/4，而另外两项不变，那么新的测试 MSE 是多少？机器学习简单derivation未尝试免费2402低偏差灵活模型的第二个交叉点一个更灵活的模型的额外误差是 0.02 + 24/n，而一个更简单的模型的额外误差是 0.14 + 6/n。它们在什么样本量下打平？机器学习中等derivation未尝试面试订阅2403相关五模型委员会的方差5 个模型的方差都为 1.6，任意两两相关系数为 0.4。它们等权平均后的方差是多少？机器学习中等derivation未尝试免费2404把方差压到噪声阈值以下所需的数据倍数某模型当前的方差项是 0.30，不可约噪声是 0.05。若方差严格按 1/n 缩放，那么数据集需要扩大多少倍，才能把方差项降到 0.05？机器学习中等derivation未尝试面试订阅2405反推出不可约噪声某模型的测试 MSE 是 0.92，偏差平方是 0.15，方差是 0.27。隐含的不可约噪声项是多少？机器学习简单数值题未尝试面试订阅2406在给定样本量下选择更优模型在样本量 n=60 时，比较模型 A 的额外误差 0.04 + 12/n 和模型 B 的额外误差 0.16 + 2/n。哪个模型的额外测试误差更小？机器学习简单数值题未尝试免费2407正则化调整带来的额外误差改善某次正则化调整把偏差平方从 0.03 提高到 0.07，但同时把方差从 0.22 降到 0.08。额外测试误差改善了多少？机器学习简单数值题未尝试免费2408三个独立模型平均后的方差3 个独立训练的模型方差都为 1.8，且偏差可以忽略。它们等权平均后的方差是多少？机器学习简单数值题未尝试面试订阅2409为什么更多数据往往先帮助“方差占主导”的模型为什么增加更多数据时，高方差模型通常比高偏差模型受益更大？机器学习困难essay未尝试面试订阅2410为什么正则化会抬高训练误差却降低测试误差为什么正则化让训练集拟合变差、却改善样本外 MSE，这完全可能且合理？机器学习中等essay未尝试面试订阅2411为什么在不增加信号时扩充特征反而会恶化测试误差为什么即使真实预测信号完全没变，加入大量灵活特征仍可能恶化测试误差？机器学习简单essay未尝试免费2412为什么模型优劣会随着样本量增长而翻转为什么一个简单模型会在小样本时赢过复杂模型，却在大样本时明显落后？机器学习中等essay未尝试面试订阅2413为什么 bagging 主要针对的是方差为什么 bagging 通常被描述为降方差工具，而不是降偏差工具？机器学习中等essay未尝试面试订阅2414为什么不可约噪声会封顶最佳可达测试误差为什么即使偏差和方差看起来都已经很小，模型改进仍可能停滞？机器学习困难essay未尝试面试订阅2415为什么一个稳定但有偏的模型在实务上仍可能更受青睐为什么交易台可能更偏好一个略有偏差、但行为稳定的模型，而不是一个偏差更低、却在每次重训之间剧烈波动的模型？机器学习困难essay未尝试面试订阅