測試數據科學家進行機器學習的40個問題

時間 2020-09-26

標籤測試數據科學家進行機器學習問題简体版

原文原文鏈接

做者|ANKIT GUPTA
編譯|Flin
來源|analyticsvidhya算法

介紹

機器學習是近來最受歡迎的技能之一。咱們組織了各類技能測試，以便數據科學家能夠檢查本身的這些關鍵技能。這些測試包括機器學習，深度學習，時間序列問題和機率。本文將爲機器學習技能測試提供解決方案。若是你錯過了上述任何一項技能測試，仍然能夠經過下面的連接查看問題和答案。網絡

機器學習機器學習
- https://courses.analyticsvidh...
深度學習函數
- https://www.analyticsvidhya.c...
時間序列問題性能
- https://www.analyticsvidhya.c...
機率學習
- https://www.analyticsvidhya.c...

在機器學習技能測試中，有1350多人報名參加了該測試。該測試旨在測試你是否掌握了機器學習中的概念知識。若是你錯過了實時測試，仍然能夠閱讀本文，並瞭解如何正確回答這些問題。測試

這是全部參與者的排行榜排名。優化

https://datahack.analyticsvid...

這些問題，以及其餘數百個問題，都是咱們「Ace數據科學訪談」課程（https://courses.analyticsvidh...）的一部分。這是一個綜合指南，有大量的資源。若是你剛剛開始你的數據科學之旅，那麼看看咱們最受歡迎的課程——「數據科學導論」！（https://courses.analyticsvidh...）編碼

總分

如下是分佈得分，它們將幫助你評估本身的成績。spa

你能夠在此處（https://datahack.analyticsvid...）訪問最終成績。超過210人蔘加了技能測試，得到的最高分是36。如下是有關分數的一些統計數據。

平均得分：19.36

中位數得分：21

模式得分：27

有用的資源

問題與解決方案

問題背景

特徵F1表明大學學生的等級，能夠取特定值：A，B，C，D，E和F。

1）在如下狀況下，如下哪一項是正確的？

A）特徵F1是定類變量的示例。
B）特徵F1是定序變量的示例。
C）它不屬於上述任何類別。
D）這兩個都是

解決方案：（B）

定序變量是在其類別中具備某些順序的變量。例如，應將A級視爲比B級更高的等級。

2）如下哪一個是肯定性算法的示例？

A）PCA

B）K-Means

C）以上都不是

解決方案：（A）

肯定性算法是在不一樣的運行中，其輸出不會改變的算法。若是咱們再次運行，PCA會給出相同的結果，但K-Means不會。

3) [對或錯]兩個變量之間的皮爾遜相關性爲零，但它們的值仍然能夠彼此相關。

A）對

B）錯

解決方案：（A）

Y = X2。請注意，它們不只相關，並且一個變量是另外一個變量的函數，而且它們之間的皮爾遜相關性爲零。

4）對於梯度降低（GD）和隨機梯度降低（SGD），如下哪一個陳述是正確的？

在GD和SGD中，你以迭代方式更新一組參數以最小化偏差函數。
在SGD中，你必須遍歷訓練集中的全部樣本，才能在每次迭代中一次更新參數。
在GD中，你可使用整個數據或訓練數據的子集在每次迭代中更新參數。

A）僅1

B）只有2

C）只有3

D）1和2

E）2和3

F）1,2和3

解決方案：（A）

在每次迭代的SGD中，一般選擇包含隨機數據樣本的批次，但對於GD，每次迭代均包含全部訓練觀測值。

5）下列哪一個超參數增長時，可能會致使隨機森林過分擬合數據？

樹數
樹深
學習率

A）僅1

B）只有2

C）只有3

D）1和2

E）2和3

F）1, 2和3

解決方案：（B）

一般，若是咱們增長樹的深度，將致使過分擬合。學習率不是隨機森林中的超參數。樹的數量增長將致使擬合不足。

6）想象一下，你正在使用「 Analytics Vidhya」，而且你想開發一種機器學習算法，該算法能夠預測文章的觀看次數。

你的分析基於諸如做者姓名，同一位做者過去在Analytics Vidhya上撰寫的文章數之類的特徵以及其餘一些特徵。在這種狀況下，你會選擇如下哪一個評估指標？

均方偏差
準確性
F1分數

A）僅1

B）只有2

C）只有3

D）1和3

E）2和3

F）1和2

解決方案：（A）

能夠認爲文章的觀看次數是屬於迴歸問題的連續目標變量。所以，均方偏差將被用做評估指標。

7）下面給出了三個圖像（1,2,3）。如下哪一個選項對這些圖像正確？

A）1是tanh，2是ReLU，3是SIGMOID激活函數。

B）1是SIGMOID，2是ReLU，3是tanh激活函數。

C）1是ReLU，2是tanh，3是SIGMOID激活函數。

D）1是tanh，2是SIGMOID，3是ReLU激活函數。

解決方案：（D）

SIGMOID函數的範圍是[0,1]。

tanh函數的範圍是[-1,1]。

RELU函數的範圍是[0，infinity]。

所以，選項D是正確的答案。

8）如下是訓練文件中目標變量的8個實際值。

[0,0,0,1,1,1,1,1]

目標變量的熵是多少？

A) -(5/8 log(5/8) + 3/8 log(3/8))

B) 5/8 log(5/8) + 3/8 log(3/8)

C) 3/8 log(5/8) + 5/8 log(3/8)

D) 5/8 log(3/8) – 3/8 log(5/8)

解決方案：（A）

熵的公式是

因此答案是A。

9）假設你正在使用分類特徵，但還沒有查看測試數據中分類變量的分佈。你要在分類特徵上應用獨熱編碼（OHE）。若是將OHE應用於訓練數據集的分類變量，可能會面臨哪些挑戰？

A）分類變量的全部類別都不在測試數據集中。

B）與測試數據集相比，類別中的頻率分佈在訓練集中有所不一樣。

C）訓練集和測試集始終具備相同的分佈。

D）A和B

E）這些都不是

解決方案：（D）

二者都是正確的，OHE將沒法對測試集中存在但不在訓練集中的類別進行編碼，所以這多是應用OHE時的主要挑戰之一。若是在訓練和測試中的頻率分佈不相同，則選項B中的挑戰也確實存在，你在應用OHE時須要更加當心。

10）Skip gram模型是Word2vec算法中用於詞嵌入的最佳模型之一。下列哪一個模型描述了Skip gram模型？

A）A

B）B

C）A和B

D）這些都不是

解決方案：（B）

Word2vec算法中使用了兩個模型（model1和model2）。model1表明CBOW模型，而Model2表明Skip gram模型。

11）假設你正在神經網絡的隱藏層中使用激活函數X。對於任何給定的輸入，在特定的神經元處，你獲得的輸出爲「 -0.0001」。X能夠表明如下哪一個激活函數？

A) ReLU

B) tanh

C) SIGMOID

D）這些都不是

解決方案：（B）

該函數爲tanh，由於此函數的輸出範圍在（-1，-1）之間。

12）對數損失評估指標能夠具備負值。

A）真
B）假

解決方案：（B）

對數損失不能爲負值。

13）關於「Type1」和「Type2」錯誤，如下哪一個陳述是正確的？

Type1被稱爲誤報，Type2被稱爲漏報。
Type1被稱爲漏報，Type2被稱爲誤報。
當咱們拒絕原假設爲空的假設時，就會發生Type1錯誤。

A）僅1

B）只有2

C）只有3

D）1和2

E）1和3

F）2和3

解決方案：（E）

在統計假設檢驗中，I型錯誤是對真實無效假設（「誤報」）的錯誤拒絕，而II型錯誤則是錯誤地保留了虛假假設（「漏報」）。

14）如下哪項是對基於NLP的項目中的文本進行預處理的重要步驟之一？

詞幹提取
刪除停頓詞
對象標準化

A）1和2

B）1和3

C）2和3

D）1,2和3

解決方案：（D）

詞幹提取是從單詞中去除後綴（「 ing」，「 ly」，「 es」，「 s」等）的基於規則的基本過程。

停頓詞是那些與數據上下文無關的詞，例如is / am / are。

對象標準化也是預處理文本的好方法之一。

15）假設你要將高維數據投影到低維。此處使用的兩種最著名的降維算法是PCA和t-SNE。假設你分別對數據「 X」應用了這兩種算法，而且得到了數據集「 X_projected_PCA」，「 X_projected_tSNE」。

對於「 X_projected_PCA」和「 X_projected_tSNE」，如下哪一種說法正確？

A）X_projected_PCA將在最近鄰空間中進行解釋。

B）X_projected_tSNE將在最近鄰空間中進行解釋。

C）二者都將在最近鄰空間中進行解釋。

D）他們都不會在最近鄰空間進行解釋。

解決方案：（B）

t-SNE算法考慮最近鄰點以減小數據的維數。所以，在使用t-SNE以後，咱們能夠認爲縮小的維數也將在最近鄰空間中獲得解釋。可是對於PCA則不是這樣。

問題：16-17

下面給出的是兩個特徵的三個散點圖。

16）在上圖中，如下哪一個是多重共線特徵的示例？

A）圖片1中的函數

B）圖片2中的函數

C）圖片3中的函數

D）圖片1和2中的函數

E）圖片2和3中的函數

F）圖片3和1中的函數

解決方案：（D）

在圖像1中，特徵具備高正相關性，而在圖像2中，特徵之間具備高負相關性，所以在兩個圖像中，特徵對都是多重共線特徵的示例。

17）在上一個問題中，假設你已肯定多重共線特徵。你接下來要執行如下哪一個操做？

刪除兩個共線變量。
刪除兩個共線變量中的一個變量。
刪除相關變量可能會致使信息丟失。爲了保留這些變量，咱們可使用懲罰迴歸模型，例如嶺迴歸或套索迴歸。

A）僅1

B）僅2

C）僅3

D）1或3

E）2或3

解決方案：（E）

你不能同時刪除這兩個特徵，由於在刪除這兩個特徵以後，你將丟失全部信息，所以你應該刪除僅一個特徵，或者可使用L1和L2等正則化算法。

18）將不重要的特徵添加到線性迴歸模型中可能會致使___。

R平方增長
R平方減小

A）只有1正確

B）只有2正確

C）1或2

D）這些都不是

解決方案：（A）

在特徵空間中添加特徵後，不管該特徵是重要特徵仍是不重要特徵，R平方始終會增長。

19）假設給定三個變量X，Y和Z。（X，Y），（Y，Z）和（X，Z）的皮爾遜相關係數分別爲C1，C2和C3。

如今，你在X的全部值中加了2（即新值變爲X + 2），從Y的全部值中減去了2（即新值是Y-2），Z保持不變。（X，Y），（Y，Z）和（X，Z）的新系數分別由D1，D2和D3給出。D1，D2和D3的值與C1，C2和C3有什麼關係？

A）D1 = C1，D2 < C2，D3 > C3

B）D1 = C1，D2 > C2，D3 > C3

C）D1 = C1，D2 > C2，D3 < C3

D）D1 = C1，D2 < C2，D3 < C3

E）D1 = C1，D2 = C2，D3 = C3

F）沒法肯定

解決方案：（E）

若是你在特徵中添加或減去一個值，則特徵之間的相關性不會改變。

20）想象一下，你正在解決類別高度不平衡的分類問題。在訓練數據中，大多數類別有99％的時間被觀察到。

對測試數據進行預測後，你的模型具備99％的準確性。在這種狀況下，如下哪一項是正確的？

對於類別不平衡問題，準確性度量不是一個好主意。
精度度量是解決類別不平衡問題的一個好主意。
準確性和召回率指標對於解決類別不平衡問題頗有用。
精度和召回率指標不適用於類別不平衡問題。

A）1和3

B）1和4

C）2和3

D）2和4

解決方案：（A）

參考本文中的問題4。

https://www.analyticsvidhya.c...

21）在集成學習中，你彙總了弱學習模型的預測，所以與單個模型的預測相比，這些模型的集成將提供更好的預測。

對於集成模型中使用的弱學習模型，如下哪一個陳述是正確的？

他們一般不會過擬合。
他們有很高的誤差，因此不能解決複雜的學習問題
他們一般過擬合。

A）1和2

B）1和3

C）2和3

D）僅1

E）只有2

F）以上都不是

解決方案：（A）

弱學習模型會肯定問題的特定部分。所以，他們一般不會過擬合，這意味着學習能力弱的學習模型具備較低的方差和較高的誤差。

22）對於 K-fold 交叉驗證，如下哪一個選項是正確的？

K的增長將致使交叉驗證結果所需的時間更長。
與較低的K值相比，較高的K值將致使交叉驗證結果的置信度較高。
若是K = N，則稱爲「留一法(交叉驗證法）」，其中N是觀察數。

A）1和2

B）2和3

C）1和3

D）1,2和3

解決方案：（D）

k值越大，意味着對高估真實預期偏差的誤差就越小（由於訓練倍數將更接近於總數據集），而運行時間則更長（隨着你愈來愈接近極限狀況：留一法交叉驗證）。選擇k時，咱們還須要考慮k倍精度之間的方差。

問題上下文23-24

**交叉驗證是機器學習中超參數調整的重要步驟。假設你正在經過使用5折交叉驗證從基於樹的模型的10個不一樣深度值（值大於2）中選擇GBM來調整GBM的超參數「max_depth」。
一個算法（在最大深度爲2的模型上）4折的訓練時間是10秒，剩下1折的預測時間是2秒。
注意：公式中忽略硬件依賴性。**

23）對於具備10個不一樣「max_depth」值的5折交叉驗證的整體執行時間，如下哪一個選項是正確的？

A）少於100秒

B）100 – 300秒

C）300 – 600秒

D）大於或等於600秒

E）以上都不是

F）沒法估算

解決方案：（D）

5折交叉驗證中深度「2」的每次迭代將花費10秒進行訓練，而測試則須要2秒。

所以，5折將花費12 5 = 60秒。因爲咱們正在搜索10個深度值，所以該算法將花費60 10 = 600秒。

可是，在深度大於2的狀況下訓練和測試模型所花費的時間將比深度爲「2」花費更多的時間，所以整體計時將大於600秒。

24）在上一個問題中，若是你訓練相同的算法來調整2個超參數，好比「最大深度」和「學習率」。

你想針對最大深度（從給定的10個深度值）和學習率（從給定的5個不一樣的學習率）中選擇正確的值。在這種狀況下，如下哪項將表明總時間？

A）1000-1500秒

B）1500-3000秒

C）大於或等於3000秒

D）這些都不是

解決方案：（D）

與問題23相同。

25）下面給出了針對機器學習算法M1的訓練偏差TE和驗證偏差VE的方案。你要基於TE和VE選擇一個超參數（H）。

H	TE	VE
1個	105	90
2	200	85
3	250	96
4	105	85
5	300	100

你將根據上表選擇哪一個H值？

解決方案：（D）

根據表格，選擇D是最好的

26）你將在PCA中作什麼以獲得與SVD相同的預測？

A）將數據轉換爲均值零

B）將數據轉換爲中位數零

C）不可能

D）這些都不是

解決方案：（A）

當數據的平均值爲零時，向量PCA的預測將與SVD相同，不然，在獲取SVD以前必須先將數據居中。

問題27-28

假設有一個黑盒算法，該算法使用具備多個觀測值（t1，t2，t3，……..tn）和一個新觀測值（q1）的訓練數據。黑盒輸出q1的最近鄰（例如ti）及其對應的類別標籤ci。

你還能夠認爲該黑盒算法與1-NN（1-最近鄰）相同。

27）能夠僅基於此黑盒算法來構造k-NN分類算法。

注意：與k相比，n（訓練觀測值的數量）很是大。

A）真

B）假

解決方案：（A）

第一步，你在黑盒算法中傳遞了一個觀察值（q1），所以該算法將返回最近鄰的觀察值及其類標籤。

在第二步中，你將其從訓練數據中選出最接近的觀測值，而後再次輸入觀測值（q1）。黑盒算法將再次返回最近鄰觀測值及其類標籤。

你須要重複此過程k次

28）咱們不想使用1-NN黑盒，而是要使用j-NN（j> 1）算法做爲黑盒。對於使用j-NN查找k-NN，如下哪一個選項是正確的？

J必須是k的適當因子
J > k
不可能

A）1

B）2

C）3

解決方案：（A）

與問題27相同

29）假設你獲得7個散點圖1-7（從左到右），而且你想比較每一個散點圖變量之間的皮爾遜相關係數。

如下哪項是正確的順序？

1 < 2 < 3 <4
1 > 2 > 3 > 4
7 < 6 < 5 <4
7 > 6 > 5 > 4

A）1和3

B）2和3

C）1和4

D）2和4

解決方案：（B）

從圖像1到4的相關性正在下降（絕對值）。可是從圖像4到7，相關性在增長，但其相關性值是負數（例如0，-0.3，-0.7，-0.99）。

30）你可使用不一樣的指標（例如準確性，對數損失，F分數）來評估二進制分類問題的性能。假設你正在使用對數損失函數做爲評估指標。對於將對數損失解釋爲評估指標，如下哪一個選項是正確的？

若是分類器對錯誤分類有信心，那麼對數損失會對其進行嚴厲懲罰。
對於特定的觀察結果，分類器爲正確的類別分配了很小的機率，那麼對數損失的相應貢獻將很是大。
對數損失越低，模型越好。

A）1和3

B）2和3

C）1和2

D）1,2和3

解決方案：（D）

問題31-32

如下是數據集中給出的五個樣本。

注意：圖像中各點之間的視覺距離表明實際距離。

31）如下哪項是3-NN（3個最近鄰）的留一法交叉驗證準確性？

A）0

D）0.4

C）0.8

D）1

解決方案：（C）

在「留一法」交叉驗證中，咱們將選擇（n-1）個用於訓練的觀察值和1個驗證觀察值。將每一個點視爲交叉驗證點，而後找到該點最近的3個點。

所以，若是你對全部的點重複這個過程，你將獲得正確的分類，全部正類在上圖中給出，但負類將被錯誤分類。所以你將獲得80%的準確率。

32）如下K值中，哪個具備最小的留一法交叉驗證精度？

A）1NN

B）3NN

C）4NN

D）都有相同的留一法錯誤

解決方案：（A）

每一個點在1-NN中將始終被錯誤分類，這意味着你將得到0％的精度。

33）假設你得到了如下數據，而且你想應用邏輯迴歸模型將其分類爲兩個給定的類。

你正在使用具備L1正則化的邏輯迴歸。

其中C是正則化參數，w1和w2是x1和x2的係數。

當你將C的值從零增長到很是大的值時，如下哪一個選項是正確的？

A）首先w2變爲零，而後w1變爲零

B）首先w1變爲零，而後w2變爲零

C）二者同時變爲零

D）即便C值很大，二者也不能爲零

解決方案：（B）

經過查看圖像，咱們發現即便僅使用x2，咱們也能夠有效地執行分類。所以，首先，w1將變爲0。隨着正則化參數的增長，w2將愈來愈接近於0。

34）假設咱們有一個數據集，該數據集能夠在深度爲6的決策樹的幫助下以100％的精度進行訓練。如今考慮下面這些點，並根據這些點選擇選項。

注意：全部其餘超級參數相同，其餘因素不受影響。

1. 深度4將具備高誤差和低方差

2. 深度4將具備低誤差和低方差

A）僅1

B）只有2

C）1和2

D）以上都不是

解決方案：（A）

若是此類數據適合深度爲4的決策樹，則可能會致使數據擬合不足。所以，在擬合不足的狀況下，將具備較高的誤差和較低的方差。

35）如下哪些選項可用於獲取k-Means算法的全局最小值？

1. 嘗試運行用於不一樣質心初始化的算法

2. 調整迭代次數

3. 找出最佳集羣數

A）2和3

B）1和3

C）1和2

D）以上

解決方案：（D）

能夠調整全部選項以找到全局最小值。

36）假設你正在開發一個項目，該項目是二進制分類問題。你在訓練數據集上訓練了模型，並在驗證數據集上得到了如下混淆矩陣。

根據上述混淆矩陣，選擇如下哪一個選項能夠爲你提供正確的預測？

1. 準確度約爲0.91

2. 錯誤分類率約爲0.91

3. 誤報率約爲0.95

4. 真陽率爲〜0.95

A）1和3

B）2和4

C）1和4

D）2和3

解決方案：（C）

準確性（正確分類）是（50 + 100）/ 165，幾乎等於0.91。

真陽率是你正確預測陽性分類的次數，所以真陽率將爲100/105 = 0.95，也稱爲「敏感度」或「召回率」

37）對於如下哪一個超參數，決策樹算法的值越高越好？

1. 用於拆分的樣本數

2. 樹的深度

3. 葉子節點樣本數

A）1和2

B）2和3

C）1和3

D）一、2和3

E）不能判斷

解決方案：（E）

對於全部三個選項A，B和C，沒有必要增長參數的值來提升性能。例如，若是咱們具備很是高的樹深度值，則生成的樹可能會使數據過擬合，而且不能很好地泛化使用。另外一方面，若是咱們的值很低，則樹可能不足以容納數據。所以，咱們不能確定地說「越高越好」。

問題38-39

想象一下，你有一個28 28的圖像，而且在其上運行了3 3的卷積神經網絡，輸入深度爲3，輸出深度爲8。

注意：「步幅」爲1，而且你使用的是相同的填充。

38）使用給定參數時，輸出特徵圖的尺寸是多少？

A）寬度28，高度28和深度8

B）寬度13，高度13和深度8

C）寬度28，高度13和深度8

D）寬度13，高度28和深度8

解決方案：（A）

計算輸出大小的公式是

輸出尺寸=（N – F）/ S + 1

其中，N是輸入大小，F是過濾器大小，S是跨度。

閱讀本文以得到更好的理解。

https://www.analyticsvidhya.c...

39）使用如下參數時，輸出特徵圖的尺寸是多少？

A）寬度28，高度28和深度8

B）寬度13，高度13和深度8

C）寬度28，高度13和深度8

D）寬度13，高度28和深度8

解決方案：（B）

同上題。

40）假設，咱們正在繪製SVM算法中不一樣C值（懲罰參數）的可視化圖。因爲某些緣由，咱們忘記了用可視化標記C值。在這種狀況下，對於徑向基函數核，如下哪一個選項最能說明如下圖像的C值？

（從左到右爲1,2,3，因此C值對於image1爲C1，對於image2爲C2，對於image3爲C3）。

A）C1 = C2 = C3

B）C1 > C2 > C3

C）C1 < C2 < C3

D）這些都不是

解決方案：（C）

偏差項的懲罰參數C。它還控制平滑決策邊界和正確分類訓練點之間的權衡。對於較大的C值，將選擇邊距較小的超平面進行優化。

在這裏閱讀更多：https://www.analyticsvidhya.c...

原文連接：https://www.analyticsvidhya.c...

歡迎關注磐創AI博客站：
http://panchuang.net/

sklearn機器學習中文官方文檔：
http://sklearn123.com/

歡迎關注磐創博客資源彙總站：
http://docs.panchuang.net/

相關標籤/搜索

每日一句

每一个你不满意的现在，都有一个你没有努力的曾经。

測試數據科學家進行機器學習的40個問題

介紹

總分

有用的資源

問題與解決方案

問題背景

特徵F1表明大學學生的等級，能夠取特定值：A，B，C，D，E和F。

1）在如下狀況下，如下哪一項是正確的？

2）如下哪一個是肯定性算法的示例？

3) [對或錯]兩個變量之間的皮爾遜相關性爲零，但它們的值仍然能夠彼此相關。

4）對於梯度降低（GD）和隨機梯度降低（SGD），如下哪一個陳述是正確的？

5）下列哪一個超參數增長時，可能會致使隨機森林過分擬合數據？

6）想象一下，你正在使用「 Analytics Vidhya」，而且你想開發一種機器學習算法，該算法能夠預測文章的觀看次數。

7）下面給出了三個圖像（1,2,3）。如下哪一個選項對這些圖像正確？

8）如下是訓練文件中目標變量的8個實際值。

[0,0,0,1,1,1,1,1]

目標變量的熵是多少？

9）假設你正在使用分類特徵，但還沒有查看測試數據中分類變量的分佈。你要在分類特徵上應用獨熱編碼（OHE）。若是將OHE應用於訓練數據集的分類變量，可能會面臨哪些挑戰？

10）Skip gram模型是Word2vec算法中用於詞嵌入的最佳模型之一。下列哪一個模型描述了Skip gram模型？

11）假設你正在神經網絡的隱藏層中使用激活函數X。對於任何給定的輸入，在特定的神經元處，你獲得的輸出爲「 -0.0001」。X能夠表明如下哪一個激活函數？

12） 對數損失評估指標能夠具備負值。

13）關於「Type1」和「Type2」錯誤，如下哪一個陳述是正確的？

14）如下哪項是對基於NLP的項目中的文本進行預處理的重要步驟之一？

15）假設你要將高維數據投影到低維。此處使用的兩種最著名的降維算法是PCA和t-SNE。假設你分別對數據「 X」應用了這兩種算法，而且得到了數據集「 X_projected_PCA」，「 X_projected_tSNE」。

對於「 X_projected_PCA」和「 X_projected_tSNE」，如下哪一種說法正確？

問題：16-17

16）在上圖中，如下哪一個是多重共線特徵的示例？

17）在上一個問題中，假設你已肯定多重共線特徵。你接下來要執行如下哪一個操做？

18）將不重要的特徵添加到線性迴歸模型中可能會致使___。

19）假設給定三個變量X，Y和Z。（X，Y），（Y，Z）和（X，Z）的皮爾遜相關係數分別爲C1，C2和C3。

20）想象一下，你正在解決類別高度不平衡的分類問題。在訓練數據中，大多數類別有99％的時間被觀察到。

21）在集成學習中，你彙總了弱學習模型的預測，所以與單個模型的預測相比，這些模型的集成將提供更好的預測。

22）對於 K-fold 交叉驗證，如下哪一個選項是正確的？

問題上下文23-24

23）對於具備10個不一樣「max_depth」值的5折交叉驗證的整體執行時間，如下哪一個選項是正確的？

24）在上一個問題中，若是你訓練相同的算法來調整2個超參數，好比「最大深度」和「學習率」。

25）下面給出了針對機器學習算法M1的訓練偏差TE和驗證偏差VE的方案。你要基於TE和VE選擇一個超參數（H）。

26）你將在PCA中作什麼以獲得與SVD相同的預測？

問題27-28

假設有一個黑盒算法，該算法使用具備多個觀測值（t1，t2，t3，……..tn）和一個新觀測值（q1）的訓練數據。黑盒輸出q1的最近鄰（例如ti）及其對應的類別標籤ci。

你還能夠認爲該黑盒算法與1-NN（1-最近鄰）相同。

27）能夠僅基於此黑盒算法來構造k-NN分類算法。

28）咱們不想使用1-NN黑盒，而是要使用j-NN（j> 1）算法做爲黑盒。對於使用j-NN查找k-NN，如下哪一個選項是正確的？

29）假設你獲得7個散點圖1-7（從左到右），而且你想比較每一個散點圖變量之間的皮爾遜相關係數。

30）你可使用不一樣的指標（例如準確性，對數損失，F分數）來評估二進制分類問題的性能。假設你正在使用對數損失函數做爲評估指標。對於將對數損失解釋爲評估指標，如下哪一個選項是正確的？

問題31-32

31）如下哪項是3-NN（3個最近鄰）的留一法交叉驗證準確性？

32）如下K值中，哪個具備最小的留一法交叉驗證精度？

33）假設你得到了如下數據，而且你想應用邏輯迴歸模型將其分類爲兩個給定的類。

34）假設咱們有一個數據集，該數據集能夠在深度爲6的決策樹的幫助下以100％的精度進行訓練。如今考慮下面這些點，並根據這些點選擇選項。

注意：全部其餘超級參數相同，其餘因素不受影響。

1. 深度4將具備高誤差和低方差

2. 深度4將具備低誤差和低方差

35）如下哪些選項可用於獲取k-Means算法的全局最小值？

1. 嘗試運行用於不一樣質心初始化的算法

2. 調整迭代次數

3. 找出最佳集羣數

36）假設你正在開發一個項目，該項目是二進制分類問題。你在訓練數據集上訓練了模型，並在驗證數據集上得到了如下混淆矩陣。

根據上述混淆矩陣，選擇如下哪一個選項能夠爲你提供正確的預測？

1. 準確度約爲0.91

2. 錯誤分類率約爲0.91

3. 誤報率約爲0.95

4. 真陽率爲〜0.95

37）對於如下哪一個超參數，決策樹算法的值越高越好？

1. 用於拆分的樣本數

2. 樹的深度

3. 葉子節點樣本數

問題38-39

38）使用給定參數時，輸出特徵圖的尺寸是多少？

39）使用如下參數時，輸出特徵圖的尺寸是多少？

40）假設，咱們正在繪製SVM算法中不一樣C值（懲罰參數）的可視化圖。因爲某些緣由，咱們忘記了用可視化標記C值。在這種狀況下，對於徑向基函數核，如下哪一個選項最能說明如下圖像的C值？

12）對數損失評估指標能夠具備負值。