BAT机器学习面试1000题（626~630题）

点击上方  ⬆   蓝字关注七月在线实验室

BAT机器学习面试1000题（626~630题）

626题

以下哪种方法能最佳地适应逻辑回归中的数据？

A、Least Square Error

B、Maximum Likelihood

C、Jaccard distance

D、Both A and B

点击下方空白区域查看答案
▼

正确答案是： B

解析：

Logistic Regression使用可能的最大似然估值来测试逻辑回归过程。

627题

在逻辑回归输出与目标对比的情况下，以下评估指标中哪一项不适用？

A、AUC-ROC

B、准确度

C、Logloss

D、均方误差

点击下方空白区域查看答案
▼

正确答案是：D

解析：

因为Logistic Regression是一个分类算法，所以它的输出不能是实时值，所以均方误差不能用于评估它。

628题

如下逻辑回归图显示了3种不同学习速率值的代价函数和迭代次数之间的关系（不同的颜色在不同的学习速率下显示不同的曲线）。

为了参考而保存图表后，忘记其中不同学习速率的值。现在需要曲线的倾斜率值之间的关系。以下哪一个是正确的？ 

注：

1.蓝色的学习率是L1

2.红色的学习率是L2

3.绿色学习率为lL3

A、L1> L2> L3

B、L1 = L2 = L3

C、L1

D、都不是

点击下方空白区域查看答案
▼

正确答案是：C

解析：

答案：C如果学习速率低下，代价函数将缓慢下降，学习速度过高，则其代价函数会迅速下降。

629题

分析逻辑回归表现的一个良好的方法是AIC，它与线性回归中的R平方相似。有关AIC，以下哪项是正确的？

A、具有最小AIC值的模型更好

B、具有最大AIC值的模型更好

C、视情况而定

D、以上都不是

点击下方空白区域查看答案
▼

正确答案是：A

解析：

AIC信息准则即Akaike information criterion，是衡量统计模型拟合优良性的一种标准，由于它为日本统计学家赤池弘次创立和发展的，因此又称赤池信息量准则。 

考虑到AIC=2k-2In(L) ，所以一般而言，当模型复杂度提高（k增大）时，似然函数L也会增大，从而使AIC变小，但是k过大时，似然函数增速减缓，导致AIC增大，模型过于复杂容易造成过拟合现象。目标是选取AIC最小的模型，AIC不仅要提高模型拟合度（极大似然），而且引入了惩罚项，使模型参数尽可能少，有助于降低过拟合的可能性。

综上，我们一般选择逻辑回归中最少的AIC作为最佳模型。有关更多信息，请参阅此来源：www4.ncsu.edu/~shu3/Presentation/AIC.pdf

630题

在训练逻辑回归之前需要对特征进行标准化。

A、是

B、否

点击下方空白区域查看答案
▼

正确答案是： B

解析：

逻辑回归不需要标准化。功能标准化的主要目标是帮助优化技术组合。

题目来源：七月在线官网（https://www.julyedu.com/）——面试题库——笔试练习——机器学习

今日学习推荐

【Python基础入门 第三期】

带你零基础快速入门Python

四大应用场景

五大课程特色

九大项目实战

提高实战技能   巩固学习效果

咨询/报名/组团可添加微信客服

julyedukefu_02

👇

长按识别二维码

 更多资讯

 请戳一戳

往期推荐

今天你刷题了吗？（现在刷题免费送樱桃机械键盘、京东购物卡、18VIP等奖品）

6K字面经 | 百度金融、蚂蚁金服、易贷网、金蛋科技等互联网金融公司面经

程序员面经分享大赛（赢樱桃机械键盘、kindle、颈椎按摩仪、2018VIP、京东购物卡等）

干货 | 手把手教你数据不足时如何做深度学习NLP

统治世界的十大算法，你都了解多少？

CNN与RNN中文文本分类-基于TensorFlow 实现

拼团，咨询，查看课程，请点击 “ 阅读原文 ”

↓↓↓