第 1 / 1 页
非代码面试题
显示 14 / 14 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
1776Lasso 阈值校准 1一个标准化 lasso 拟合的得分向量是 (4.1, 2.3, 1.7)。使所有系数都恰好变成 0 的最小 lambda 是多少？统计中等derivation未尝试免费1777Lasso 阈值校准 2一个标准化 lasso 拟合的绝对得分大小是 (3.8, 2.5, 0.9)。要让最弱的特征刚好变成 0、但另外两个仍保持活跃，最小的 lambda 是多少？统计简单essay未尝试免费1778Lasso 阈值校准 3在正交设计下的一步 lasso 更新中，某坐标的得分是 z = 2.6，惩罚参数 lambda = 1.1。软阈值之后的系数是多少？统计中等数值题未尝试免费1779Lasso 阈值校准 4在正交设计下的一步 lasso 更新中，某坐标的得分是 z = -3.2，惩罚参数 lambda = 0.7。软阈值之后的系数是多少？统计中等derivation未尝试免费1780Lasso 阈值校准 5一个标准化 lasso 模型的绝对得分是 (5.0, 4.0, 1.5)。要让最终只剩最强的特征非零，最小 lambda 是多少？统计困难derivation未尝试免费1781One-SE 选 λ 1一个正则化 alpha 模型的交叉验证表给出 (lambda, 平均误差, 标准误) = [(0.01, 0.42, 0.02), (0.1, 0.41, 0.015), (1.0, 0.423, 0.01)]。若使用 one-standard-error rule，应选择哪个 lambda？统计简单数值题未尝试免费1786Ridge 有效自由度 1一个标准化 ridge 模型的奇异值平方为 d j 2 = [9, 4, 1]，惩罚参数 lambda = 1。其有效自由度 tr(S lambda) = sum d j 2/(d j 2+lambda) 等于多少？统计简单essay未尝试免费1787Ridge 有效自由度 2一个标准化 ridge 模型的奇异值平方为 d j 2 = [16, 4]，惩罚参数 lambda = 4。其有效自由度 tr(S lambda) = sum d j 2/(d j 2+lambda) 等于多少？统计中等derivation未尝试免费1790Ridge 有效自由度 5一个标准化 ridge 模型的奇异值平方为 d j 2 = [12.25, 4, 0.25]，惩罚参数 lambda = 0.25。其有效自由度 tr(S lambda) = sum d j 2/(d j 2+lambda) 等于多少？统计困难derivation未尝试面试订阅1791Lasso 前先标准化混合单位特征一个信号库同时包含原始价格、基点价差以及已经做过 z-score 的微观结构特征。为什么团队在跑 Lasso 之前应该先对特征做标准化？统计简单derivation未尝试免费1792为什么相关 alpha 簇更适合 Ridge一个交易台有 80 个高度相关的 alpha，它们都在测量相似的价值暴露。若目标是稳定预测而不是稀疏解释，为什么 Ridge 往往优于纯 Lasso？统计简单essay未尝试免费1793Elastic Net 的分组效应两个特征几乎重复，但在经济上都很有意义。为什么 Elastic Net 在这种情况下常常比纯 Lasso 表现更好？统计中等derivation未尝试免费1794纯 Lasso 下的重复特征如果两个预测变量完全相同，而模型使用的是纯 Lasso，那么会出现什么建模病态？统计中等essay未尝试免费1795为什么 One-SE 规则更保守为什么实践中在选择正则化参数时，很多人会偏好 one-standard-error rule，而不是直接选交叉验证误差最小的那个点？统计困难essay未尝试面试订阅