目前機(jī)器學(xué)習(xí)是最搶手的技能之一。如果你是一名數(shù)據(jù)科學(xué)家，那就需要對(duì)機(jī)器學(xué)習(xí)很擅長(zhǎng)，而不只是三腳貓的功夫。作為 DataFest 2017 的一部分，Analytics Vidhya 組織了不同的技能測(cè)試，從而數(shù)據(jù)科學(xué)家可以就這些關(guān)鍵技能進(jìn)行自我評(píng)估。測(cè)試包括機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、時(shí)序問(wèn)題以及概率。這篇文章將給出機(jī)器學(xué)習(xí)測(cè)試問(wèn)題的解答。
　　在本文的機(jī)器學(xué)習(xí)測(cè)試中，超過(guò) 1350 人注冊(cè)參與其中。該測(cè)試可以檢驗(yàn)?zāi)銓?duì)機(jī)器學(xué)習(xí)概念知識(shí)的掌握，并為你步入業(yè)界做準(zhǔn)備。如果錯(cuò)過(guò)了實(shí)時(shí)測(cè)試，沒(méi)有關(guān)系，你可以回顧本文以自我提升。機(jī)器之心對(duì)這些試題及解答進(jìn)行了編譯介紹。你能答對(duì)多少題呢？不妨與我們分享。
　　
　　目前已有 210 人參與了這些試題的測(cè)試，最高分為 36。平均得分為 19.36，中位數(shù)為 21，最常出現(xiàn)的得分（Mode Score）為 27。
　　測(cè)試題與解答
　　假定特征 F1 可以取特定值：A、B、C、D、E 和 F，其代表著學(xué)生在大學(xué)所獲得的評(píng)分。現(xiàn)在請(qǐng)答題：
　　1.在下面說(shuō)法中哪一項(xiàng)是正確的？
　　A. 特征 F1 是名義變量（nominal variable）的一個(gè)實(shí)例。
　　B. 特征 F1 是有序變量（ordinal variable）的一個(gè)實(shí)例。
　　C. 該特征并不屬于以上的分類(lèi)。
　　D. 以上說(shuō)法都正確。
　　答案為（B）：有序變量是一種在類(lèi)別上有某些順序的變量。例如，等級(jí) A 就要比等級(jí) B 所代表的成績(jī)好一些。
　　2.下面哪個(gè)選項(xiàng)中哪一項(xiàng)屬于確定性算法？
　　A.PCA
　　B.K-Means
　　C. 以上都不是
　　答案為（A）：確定性算法表明在不同運(yùn)行中，算法輸出并不會(huì)改變。如果我們?cè)僖淮芜\(yùn)行算法，PCA 會(huì)得出相同的結(jié)果，而 k-means 不會(huì)。
　　3.兩個(gè)變量的 Pearson 相關(guān)性系數(shù)為零，但這兩個(gè)變量的值同樣可以相關(guān)。
　　A. 正確
　　B. 錯(cuò)誤
　　答案為（A）：Y=X2，請(qǐng)注意他們不僅僅相關(guān)聯(lián)，同時(shí)一個(gè)還是另一個(gè)的函數(shù)。盡管如此，他們的相關(guān)性系數(shù)還是為 0，因?yàn)檫@兩個(gè)變量的關(guān)聯(lián)是正交的，而相關(guān)性系數(shù)就是檢測(cè)這種關(guān)聯(lián)。
　　4.下面哪一項(xiàng)對(duì)梯度下降（GD）和隨機(jī)梯度下降（SGD）的描述是正確的？
　　在 GD 和 SGD 中，每一次迭代中都是更新一組參數(shù)以最小化損失函數(shù)。
　　在 SGD 中，每一次迭代都需要遍歷訓(xùn)練集中的所有樣本以更新一次參數(shù)。
　　在 GD 中，每一次迭代需要使用整個(gè)訓(xùn)練集或子訓(xùn)練集的數(shù)據(jù)更新一個(gè)參數(shù)。
　　A. 只有 1
　　B. 只有 2
　　C. 只有 3
　　D.1 和 2
　　E.2 和 3
　　F. 都正確
　　答案為（A）：在隨機(jī)梯度下降中，每一次迭代選擇的批量是由數(shù)據(jù)集中的隨機(jī)樣本所組成，但在梯度下降，每一次迭代需要使用整個(gè)訓(xùn)練數(shù)據(jù)集。
　　5.下面哪個(gè)/些超參數(shù)的增加可能會(huì)造成隨機(jī)森林?jǐn)?shù)據(jù)過(guò)擬合？
　　樹(shù)的數(shù)量
　　樹(shù)的深度
　　學(xué)習(xí)速率
　　A. 只有 1
　　B. 只有 2
　　C. 只有 3
　　D.1 和 2
　　E.2 和 3
　　F. 都正確
　　答案為（B）：通常情況下，我們?cè)黾訕?shù)的深度有可能會(huì)造成模型過(guò)擬合。學(xué)習(xí)速率在隨機(jī)森林中并不是超參數(shù)。增加樹(shù)的數(shù)量可能會(huì)造成欠擬合。
　　6.假如你在「Analytics Vidhya」工作，并且想開(kāi)發(fā)一個(gè)能預(yù)測(cè)文章評(píng)論次數(shù)的機(jī)器學(xué)習(xí)算法。你的分析的特征是基于如作者姓名、作者在 Analytics Vidhya 寫(xiě)過(guò)的總文章數(shù)量等等。那么在這樣一個(gè)算法中，你會(huì)選擇哪一個(gè)評(píng)價(jià)度量標(biāo)準(zhǔn)？
　　（1）均方誤差、（2）精確度、（3）F1 分?jǐn)?shù)
　　A. 只有 1
　　B. 只有 2
　　C. 只有 3
　　D. 1 和 3
　　E. 2 和 3
　　F. 1 和 2
　　答案為（A）：你可以把文章評(píng)論數(shù)看作連續(xù)型的目標(biāo)變量，因此該問(wèn)題可以劃分到回歸問(wèn)題。因此均方誤差就可以作為損失函數(shù)的度量標(biāo)準(zhǔn)。
　　7.給定以下三個(gè)圖表（從上往下依次為1，2，3）。 哪一個(gè)選項(xiàng)對(duì)以這三個(gè)圖表的描述是正確的？
　　
　　A. 1 是 tanh，2 是 ReLU，3 是 SIGMOID 激活函數(shù)
　　B. 1 是 SIGMOID，2 是 ReLU，3 是 tanh 激活函數(shù)
　　C. 1 是 ReLU，2 是 tanh，3 是 SIGMOID 激活函數(shù)
　　D. 1 是 tanh，2 是 SIGMOID，3 是 ReLU 激活函數(shù)
　　答案為（D）：因?yàn)?SIGMOID 函數(shù)的取值范圍是 ［0，1］，tanh 函數(shù)的取值范圍是 ［-1，1］，RELU 函數(shù)的取值范圍是 ［0，infinity］。
　　8.以下是目標(biāo)變量在訓(xùn)練集上的 8 個(gè)實(shí)際值 ［0，0，0，1，1，1，1，1］，目標(biāo)變量的熵是所少？
　　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）
　　答案為（A）
　　9.假定你正在處理類(lèi)屬特征，并且沒(méi)有查看分類(lèi)變量在測(cè)試集中的分布。現(xiàn)在你想將 one hot encoding（OHE）應(yīng)用到類(lèi)屬特征中。那么在訓(xùn)練集中將 OHE 應(yīng)用到分類(lèi)變量可能要面臨的困難是什么？
　　A. 分類(lèi)變量所有的類(lèi)別沒(méi)有全部出現(xiàn)在測(cè)試集中
　　B. 類(lèi)別的頻率分布在訓(xùn)練集和測(cè)試集是不同的
　　C. 訓(xùn)練集和測(cè)試集通常會(huì)有一樣的分布
　　D. A 和 B 都正確
　　E. 以上都不正確
　　答案為（D）：A、B 項(xiàng)都正確，如果類(lèi)別在測(cè)試集中出現(xiàn)，但沒(méi)有在訓(xùn)練集中出現(xiàn)，OHE 將會(huì)不能進(jìn)行編碼類(lèi)別，這將是應(yīng)用 OHE 的主要困難。選項(xiàng) B 同樣也是正確的，在應(yīng)用 OHE 時(shí)，如果訓(xùn)練集和測(cè)試集的頻率分布不相同，我們需要多加小心。
　　10.Skip gram 模型是在 Word2vec 算法中為詞嵌入而設(shè)計(jì)的最優(yōu)模型。以下哪一項(xiàng)描繪了 Skip gram 模型？
　　
　　A. A
　　B. B
　　C. A 和 B
　　D. 以上都不是
　　答案為（B）：這兩個(gè)模型都是在 Word2vec 算法中所使用的。模型 A 代表著 CBOW，模型 B 代表著 Skip gram。
　　11.假定你在神經(jīng)網(wǎng)絡(luò)中的隱藏層中使用激活函數(shù) X。在特定神經(jīng)元給定任意輸入，你會(huì)得到輸出「-0.0001」。X 可能是以下哪一個(gè)激活函數(shù)？
　　A. ReLU
　　B. tanh
　　C. SIGMOID
　　D. 以上都不是
　　答案為（B）：該激活函數(shù)可能是 tanh，因?yàn)樵摵瘮?shù)的取值范圍是 （-1，1）。
　　12.對(duì)數(shù)損失度量函數(shù)可以取負(fù)值。
　　A. 對(duì)
　　B. 錯(cuò)
　　答案為（B）：對(duì)數(shù)損失函數(shù)不可能取負(fù)值。
　　13.下面哪個(gè)/些對(duì)「類(lèi)型 1（Type-1）」和「類(lèi)型 2（Type-2）」錯(cuò)誤的描述是正確的？
　　類(lèi)型 1 通常稱(chēng)之為假正類(lèi)，類(lèi)型 2 通常稱(chēng)之為假負(fù)類(lèi)。
　　類(lèi)型 2 通常稱(chēng)之為假正類(lèi)，類(lèi)型 1 通常稱(chēng)之為假負(fù)類(lèi)。
　　類(lèi)型 1 錯(cuò)誤通常在其是正確的情況下拒絕假設(shè)而出現(xiàn)。
　　A. 只有 1
　　B. 只有 2
　　C. 只有 3
　　D. 1 和 2
　　E. 1 和 3
　　F. 3 和 2
　　答案為（E）：在統(tǒng)計(jì)學(xué)假設(shè)測(cè)試中，I 類(lèi)錯(cuò)誤即錯(cuò)誤地拒絕了正確的假設(shè)（即假正類(lèi)錯(cuò)誤），II 類(lèi)錯(cuò)誤通常指錯(cuò)誤地接受了錯(cuò)誤的假設(shè)（即假負(fù)類(lèi)錯(cuò)誤）。
　　14.下面在 NLP 項(xiàng)目中哪些是文本預(yù)處理的重要步驟？
　　詞干提取（Stemming）
　　移去停止詞（Stop word removal）
　　目標(biāo)標(biāo)準(zhǔn)化（Object Standardization）
　　A. 1 和 2
　　B. 1 和 3
　　C. 2 和 3
　　D. 1、2 和 3
　　答案為（D）：詞干提取是剝離后綴（「ing」，「ly」，「es」，「s」等）的基于規(guī)則的過(guò)程。停止詞是與語(yǔ)境不相關(guān)的詞（is/am/are）。目標(biāo)標(biāo)準(zhǔn)化也是一種文本預(yù)處理的優(yōu)良方法。
　　15.假定你想將高維數(shù)據(jù)映射到低維數(shù)據(jù)中，那么最出名的降維算法是 PAC 和 t-SNE。現(xiàn)在你將這兩個(gè)算法分別應(yīng)用到數(shù)據(jù)「X」上，并得到數(shù)據(jù)集「X_projected_PCA」，「X_projected_tSNE」。下面哪一項(xiàng)對(duì)「X_projected_PCA」和「X_projected_tSNE」的描述是正確的？
　　A. X_projected_PCA 在最近鄰空間能得到解釋
　　B. X_projected_tSNE 在最近鄰空間能得到解釋
　　C. 兩個(gè)都在最近鄰空間能得到解釋
　　D. 兩個(gè)都不能在最近鄰空間得到解釋
　　答案為（B）：t-SNE 算法考慮最近鄰點(diǎn)而減少數(shù)據(jù)維度。所以在使用 t-SNE 之后，所降的維可以在最近鄰空間得到解釋。但 PCA 不能。
　　16-17 題的背景：給定下面兩個(gè)特征的三個(gè)散點(diǎn)圖（從左到右依次為圖 1、2、3）。
　　
　　16.在上面的圖像中，哪一個(gè)是多元共線（multi-collinear）特征？
　　A. 圖 1 中的特征
　　B. 圖 2 中的特征
　　C. 圖 3 中的特征
　　D. 圖 1、2 中的特征
　　E. 圖 2、3 中的特征
　　F. 圖 1、3 中的特征
　　答案為（D）：在圖 1 中，特征之間有高度正相關(guān)，圖 2 中特征有高度負(fù)相關(guān)。所以這兩個(gè)圖的特征是多元共線特征。
　　17.在先前問(wèn)題中，假定你已經(jīng)鑒別了多元共線特征。那么下一步你可能的操作是什么？
　　移除兩個(gè)共線變量
　　不移除兩個(gè)變量，而是移除一個(gè)
　　移除相關(guān)變量可能會(huì)導(dǎo)致信息損失。為了保留這些變量，我們可以使用帶罰項(xiàng)的回歸模型（如 ridge 或 lasso regression）。
　　A. 只有 1
　　B. 只有 2
　　C. 只有 3
　　D. 1 或 3
　　E. 1 或 2
　　答案為（E）：因?yàn)橐瞥齼蓚€(gè)變量會(huì)損失一切信息，所以我們只能移除一個(gè)特征，或者也可以使用正則化算法（如 L1 和 L2）。
　　18.給線性回歸模型添加一個(gè)不重要的特征可能會(huì)造成：
　　增加 R-square
　　減少 R-square
　　A. 只有 1 是對(duì)的
　　B. 只有 2 是對(duì)的
　　C. 1 或 2 是對(duì)的
　　D. 都不對(duì)
　　答案為（A）：在給特征空間添加了一個(gè)特征后，不論特征是重要還是不重要，R-square 通常會(huì)增加。
　　19.假設(shè)給定三個(gè)變量 X，Y，Z。（X， Y）、（Y， Z） 和 （X， Z） 的 Pearson 相關(guān)性系數(shù)分別為 C1、C2 和 C3。現(xiàn)在 X 的所有值加 2（即 X+2），Y 的全部值減 2（即 Y-2），Z 保持不變。那么運(yùn)算之后的 （X， Y）、（Y， Z） 和 （X， Z） 相關(guān)性系數(shù)分別為 D1、D2 和 D3。現(xiàn)在試問(wèn) D1、D2、D3 和 C1、C2、C3 之間的關(guān)系是什么？
　　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. 無(wú)法確定
　　答案為（E）：特征之間的相關(guān)性系數(shù)不會(huì)因?yàn)樘卣骷踊驕p去一個(gè)數(shù)而改變。
　　20.假定你現(xiàn)在解決一個(gè)有著非常不平衡類(lèi)別的分類(lèi)問(wèn)題，即主要類(lèi)別占據(jù)了訓(xùn)練數(shù)據(jù)的 99%。現(xiàn)在你的模型在測(cè)試集上表現(xiàn)為 99% 的準(zhǔn)確度。那么下面哪一項(xiàng)表述是正確的？
　　準(zhǔn)確度并不適合于衡量不平衡類(lèi)別問(wèn)題
　　準(zhǔn)確度適合于衡量不平衡類(lèi)別問(wèn)題
　　精確率和召回率適合于衡量不平衡類(lèi)別問(wèn)題
　　精確率和召回率不適合于衡量不平衡類(lèi)別問(wèn)題
　　A. 1 and 3
　　B. 1 and 4
　　C. 2 and 3
　　D. 2 and 4
　　答案為（A）：參考問(wèn)題 4 的解答。
　　21.在集成學(xué)習(xí)中，模型集成了弱學(xué)習(xí)者的預(yù)測(cè)，所以這些模型的集成將比使用單個(gè)模型預(yù)測(cè)效果更好。下面哪個(gè)/些選項(xiàng)對(duì)集成學(xué)習(xí)模型中的弱學(xué)習(xí)者描述正確？
　　他們經(jīng)常不會(huì)過(guò)擬合
　　他們通常帶有高偏差，所以其并不能解決復(fù)雜學(xué)習(xí)問(wèn)題
　　他們通常會(huì)過(guò)擬合
　　A. 1 和 2
　　B. 1 和 3
　　C. 2 和 3
　　D. 只有 1
　　E. 只有 2
　　F. 以上都不對(duì)
　　答案為（A）：弱學(xué)習(xí)者是問(wèn)題的特定部分。所以他們通常不會(huì)過(guò)擬合，這也就意味著弱學(xué)習(xí)者通常擁有低方差和高偏差。
　　22.下面哪個(gè)/些選項(xiàng)對(duì) K 折交叉驗(yàn)證的描述是正確的
　　增大 K 將導(dǎo)致交叉驗(yàn)證結(jié)果時(shí)需要更多的時(shí)間
　　更大的 K 值相比于小 K 值將對(duì)交叉驗(yàn)證結(jié)構(gòu)有更高的信心
　　如果 K=N，那么其稱(chēng)為留一交叉驗(yàn)證，其中 N 為驗(yàn)證集中的樣本數(shù)量
　　A. 1 和 2
　　B. 2 和 3
　　C. 1 和 3
　　D. 1、2 和 3
　　答案為（D）：大 K 值意味著對(duì)過(guò)高估計(jì)真實(shí)預(yù)期誤差（訓(xùn)練的折數(shù)將更接近于整個(gè)驗(yàn)證集樣本數(shù)）擁有更小的偏差和更多的運(yùn)行時(shí)間（并隨著越來(lái)越接近極限情況：留一交叉驗(yàn)證）。我們同樣在選擇 K 值時(shí)需要考慮 K 折準(zhǔn)確度和方差間的均衡。
　　23 題至 24 題的背景：交叉驗(yàn)證在機(jī)器學(xué)習(xí)超參數(shù)微調(diào)中是十分重要的步驟。假定你需要為 GBM 通過(guò)選擇 10 個(gè)不同的深度值（該值大于 2）而調(diào)整超參數(shù)「max_depth」，該樹(shù)型模型使用 5 折交叉驗(yàn)證。 4 折訓(xùn)練驗(yàn)證算法（模型 max_depth 為 2）的時(shí)間為 10 秒，在剩下的 1 折中預(yù)測(cè)為 2 秒。
　　23.哪一項(xiàng)描述擁有 10 個(gè)「max_depth」不同值的 5 折交叉驗(yàn)證整體執(zhí)行時(shí)間是正確的？
　　A. 少于 100 秒
　　B. 100-300 秒
　　C. 300-600 秒
　　D. 大于等于 600 秒
　　E. 無(wú)法估計(jì)
　　答案為（D）：因?yàn)樯疃葹?2 的 5 折交叉驗(yàn)證每一次迭代需要訓(xùn)練 10 秒和測(cè)試 2 秒。因此五折驗(yàn)證需要 125 = 60 秒，又因?yàn)槲覀冃枰阉?10 個(gè)深度值，所以算法需要 6010 = 600。

普通下載普通下載

相關(guān)電子資料下載

• 如何創(chuàng)建FPGA控制的機(jī)器人手臂 49
• 機(jī)器學(xué)習(xí)需要掌握的九種工具盤(pán)點(diǎn) 16
• Hugging Face被限制訪問(wèn) 404
• 《人工智能在指揮和控制系統(tǒng)中的決策支持》 133
• 生成式人工智能和機(jī)器學(xué)習(xí)正在這9個(gè)學(xué)科中打造未來(lái) 216
• 智慧礦山AI算法帶你解決皮帶運(yùn)行難題！ 51
• 人工智能領(lǐng)域存在第一性原理嗎？ 53
• 英特爾啟動(dòng)首個(gè)AI PC加速計(jì)劃，目標(biāo)2025年前為超100萬(wàn)臺(tái)PC提供AI特性 223
• PLC就是邏輯控制嗎？PLC的網(wǎng)絡(luò)通信怎么樣？ 51
• 機(jī)器學(xué)習(xí)常用的5種采樣方法盤(pán)點(diǎn) 45