第 1 / 1 页
非代码面试题
显示 15 / 15 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
4141先验漂移下的后验重标定 1某个判别式模型是在类先验 P(Y=1)=0.5 下训练的，并且对样本 x 输出后验概率 0.7。隔夜之后，基准发生纯先验漂移，新的 P(Y=1)=0.2，但 x 的类条件证据保持不变。此时应使用什么新的后验概率？机器学习中等数值题未尝试面试订阅4146由生成式后验推期望收益 6一个生成式状态模型给出 P(趋势|x)=0.7。如果下一日收益在趋势状态下的期望为 12 个基点，在均值回归状态下的期望为 -4 个基点，那么模型隐含的条件期望收益 E[r|x] 是多少？机器学习中等数值题未尝试面试订阅4148由生成式后验推期望收益 8一个生成式状态模型给出 P(趋势|x)=0.6。如果下一日收益在趋势状态下的期望为 0.015 收益单位，在均值回归状态下的期望为 -0.01 收益单位，那么模型隐含的条件期望收益 E[r|x] 是多少？机器学习中等数值题未尝试面试订阅4149由生成式后验推期望收益 9一个生成式状态模型给出 P(趋势|x)=0.4。如果下一日收益在趋势状态下的期望为 3 收益单位，在均值回归状态下的期望为 1 收益单位，那么模型隐含的条件期望收益 E[r|x] 是多少？机器学习中等数值题未尝试面试订阅4150由生成式后验推期望收益 10一个生成式状态模型给出 P(趋势|x)=0.8。如果下一日收益在趋势状态下的期望为 -2 个基点，在均值回归状态下的期望为 5 个基点，那么模型隐含的条件期望收益 E[r|x] 是多少？机器学习中等数值题未尝试面试订阅4151缺失特征下的生成式分类 1一个两特征的朴素贝叶斯模型采用生成式方式训练，但在预测时 X2 缺失。已知先验 P(Y=1)=0.5，P(X1=1|Y=1)=0.8，P(X1=1|Y=0)=0.3，P(X2=1|Y=1)=0.75，P(X2=1|Y=0)=0.4。现在只观测到 X1=1。问生成式模型应当使用的后验 P(Y=1|X1) 是多少？机器学习中等数值题未尝试面试订阅4156似然比与先验推出后验决策 11对样本 x，一个生成式模型把证据概括成似然比 p(x|Y=1)/p(x|Y=0) = 5。如果 1 类的先验概率为 0.2，那么后验概率 P(Y=1|x) 是多少？在 0.5 阈值下应如何决策？机器学习中等derivation未尝试面试订阅4157似然比与先验推出后验决策 12对样本 x，一个生成式模型把证据概括成似然比 p(x|Y=1)/p(x|Y=0) = 0.5。如果 1 类的先验概率为 0.4，那么后验概率 P(Y=1|x) 是多少？在 0.5 阈值下应如何决策？机器学习中等derivation未尝试面试订阅4161小样本且有结构假设时先选哪类模型 16你手里只有几百个带标签样本，但领域知识给出了比较可信的类条件结构，而且还有很多无标签特征样本。你会先从生成式模型还是判别式模型开始？机器学习中等essay未尝试面试订阅4162只有先验漂移时哪类模型更好调 17某个分类器是在上季度训练的，现在只有类别出现率变了，而“给定类别时的特征分布形状”看起来仍然稳定。在这种情况下，生成式还是判别式更容易快速调整？机器学习中等essay未尝试面试订阅4163大样本只求预测时先选哪类模型 18如果你有数百万带标签样本，而且只关心部署标签上的预测精度，并不需要生成 x，那么通常更值得先试哪一侧？机器学习中等essay未尝试面试订阅4164测试时常缺特征时哪类模型占优 19线上系统在测试时经常会缺失一个传感器特征，但你的模型族可以很干净地分解联合特征似然。在这种情况下，哪一类模型会获得更现实的优势？机器学习中等essay未尝试面试订阅4165需要按类别生成样本时先选哪类模型 20研究团队不仅想要分类标签，还想在每个类别条件下生成合成特征样本来做压力测试。哪一类模型是更自然的起点？机器学习中等essay未尝试面试订阅5891谁持有类先验两个团队在一个 50/50 平衡数据集上训练分类器，但线上人群中 90% 属于 0 类。A 团队用高斯判别分析，B 团队用逻辑回归。哪个模型显式包含对类先验 P(y) 的估计？并解释为什么这一区别使得其中一个团队修正这种类别占比失配比另一个团队更干净。机器学习中等essay未尝试面试订阅5892从生成式高斯模型求后验一个生成式分类器把单个特征建模为每个类别内方差相等的高斯分布：x|Y=0 ~ N(0,1)，x|Y=1 ~ N(2,1)，类先验 P(Y=1)=0.5。用贝叶斯法则把这个生成式描述转换为判别式后验，计算 P(Y=1|x=1.5)。机器学习中等数值题未尝试面试订阅