1、對於下圖, 最好的主成分選擇是多少 ?
b30c35
dcan』t say
正確答案是： b
主成分選擇使variance越大越好， 在這個前提下， 主成分越少越好。
2、資料科學家可能會同時使用多個演算法（模型）進行**， 並且最後把這些演算法的結果整合起來進行最後的**（整合學習），以下對整合學習說法正確的是
a單個模型之間有高相關性
b單個模型之間有低相關性
c在整合學習中使用「平均權重」而不是「投票」會比較好
d單個模型都是用的乙個演算法
正確答案是： b ？？？？
？？？bagging具有低相關性，而boosting是不是高相關性？？？
3、在有監督學習中， 我們如何使用聚類方法？
我們可以先建立聚類類別， 然後在每個類別上用監督學習分別進行學習
我們可以使用聚類「類別id」作為乙個新的特徵項， 然後再用監督學習分別進行學習
在進行監督學習之前， 我們不能新建聚類類別
我們不可以使用聚類「類別id」作為乙個新的特徵項， 然後再用監督學習分別進行學習
a2 和 4
b1 和 2
c3 和 4
d1 和 3
正確答案是： b
我們可以為每個聚類構建不同的模型， 提高**準確率。
「類別id」作為乙個特徵項去訓練， 可以有效地總結了資料特徵。
4、以下說法正確的是
乙個機器學習模型，如果有較高準確率，總是說明這個分類器是好的
如果增加模型複雜度， 那麼模型的測試錯誤率總是會降低
如果增加模型複雜度， 那麼模型的訓練錯誤率總是會降低
我們不可以使用聚類「類別id」作為乙個新的特徵項， 然後再用監督學習分別進行學習a1
b2c3
d2和3e都錯
正確答案是：e
1的模型中, 如果負樣本佔比非常大,也會有很高的準確率, 對正樣本的分類不一定很好;
4的模型中, 「類別id」可以作為乙個特徵項去訓練, 這樣會有效地總結了資料特徵。
5、對應gradientboosting tree演算法， 以下說法正確的是:
當增加最小樣本**個數，我們可以抵制過擬合
當增加最小樣本**個數，會導致過擬合
當我們減少訓練單個學習器的樣本個數，我們可以降低variance
當我們減少訓練單個學習器的樣本個數，我們可以降低bias
a2 和 4
b2 和 3
c1 和 3
d1 和 4
正確答案是：c
最小樣本**個數是用來控制「過擬合」引數。太高的值會導致「欠擬合」，這個引數應該用交叉驗證來調節。
第二點是靠bias和variance概念的。
6、以下哪個圖是knn演算法的訓練邊界
bacd
dce都不是
正確答案是： b
knn演算法肯定不是線性的邊界， 所以直的邊界就不用考慮了。另外這個演算法是看周圍最近的k個樣本的分類用以確定分類，所以邊界一定是坑坑窪窪的。
7、如果乙個訓練好的模型在測試集上有100%的準確率， 這是不是意味著在乙個新的資料集上，也會有同樣好的表現？
a是的，這說明這個模型的範化能力已經足以支援新的資料集合了
b不對，依然後其他因素模型沒有考慮到，比如噪音資料
正確答案是： b
沒有乙個模型是可以總是適應新資料的。我們不可能可到100%準確率。
8、下面的交叉驗證方法
i. 有放回的bootstrap方法
ii. 留乙個測試樣本的交叉驗證
iii. 5折交叉驗證
iv. 重複兩次的5折教程驗證
當樣本是1000時，下面執行時間的順序，正確的是
ai > ii > iii > iv
bii > iv > iii > i
civ > i > ii > iii
dii > iii > iv > i
正確答案是： b
boostrap方法是傳統地隨機抽樣，驗證一次的驗證方法，只需要訓練1次模型，所以時間最少。
留乙個測試樣本的交叉驗證，需要n次訓練過程（n是樣本個數），這裡，要訓練1000個模型。
5折交叉驗證需要訓練5個模型。
重複2次的5折交叉驗證，需要訓練10個模型。
所有b是正確的
9、變數選擇是用來選擇最好的判別器子集， 如果要考慮模型效率，我們應該做哪些變數選擇的考慮？
多個變數其實有相同的用處
變數對於模型的解釋有多大作用
特徵攜帶的資訊
交叉驗證
a1 和 4
b1, 2 和 3
c1,3 和 4
d以上所有
正確答案是：c
注意， 這題的題眼是考慮模型效率，所以不要考慮選項2.
10、對於線性回歸模型，包括附加變數在內，以下的可能正確的是 :
r-squared 和 adjusted r-squared都是遞增的
r-squared 是常量的，adjusted r-squared是遞增的
r-squared 是遞減的， adjusted r-squared 也是遞減的
r-squared 是遞減的， adjusted r-squared是遞增的
a1 和 2
b1 和 3
c2 和 4
d以上都不是
正確答案是：d
r-squared不能決定係數估計和**偏差，這就是為什麼我們要估計殘差圖。但是，r-squared有r-squared 和 predicted r-squared 所沒有的問題。
每次你為模型加入**器，r-squared遞增或不變.
乙個月刷完機器學習筆試題300題（9）
1 對於下面三個模型的訓練情況，下面說法正確的是 第一張圖的訓練錯誤與其餘兩張圖相比，是最大的 最後一張圖的訓練效果最好，因為訓練錯誤最小 第二張圖比第一和第三張圖魯棒性更強，是三個裡面表現最好的模型 第三張圖相對前兩張圖過擬合了 三個圖表現一樣，因為我們還沒有測試資料集 a 1 和 3 b 1 和...
乙個月刷完機器學習筆試題300題（12）
1 假定你用乙個線性svm分類器求解二類分類問題，如下圖所示，這些用紅色圓圈起來的點表示支援向量 如果移除這些圈起來的資料，決策邊界 即分離超平面 是否會發生改變？ayesbno 正確答案是 b 從資料的分布來看，移除那三個資料，決策邊界不會受影響。2 如果將資料中除圈起來的三個點以外的其他資料全部...
頹廢的乙個月
哎，九月末到十月末實在是太頹廢了。其實是因為不想面對一些事。但現在想想，是我自己忘記了最初的夢想，之去追求一些有的沒的的，所以才如此不精進。記得那幾天玩的也不好，每每想到自己還沒學好，還是個醬油的時候，就很煩惱。室友也說我，為什麼最近不怎麼去實驗室了？我也不知道怎麼回答。甚至可以躺床上一整天，一直躺...