BAT機器學習面試1000題（466~470題）
點擊上方
?
藍字關注七月在線實驗室
BAT機器學習面試1000題（466~470題）
466題
以下哪些方法不可以直接來對文本分類？
A、Kmeans
B、決策樹
C、支持向量機
D、KNN
點擊下方空白區域查看答案▼
正確答案是：A
解析：
Kmeans是聚類方法，典型的無監督學習方法。分類是監督學習方法，BCD都是常見的分類方法。
467題
已知一組數據的協方差矩陣P,下面關於主分量說法錯誤的是（）
A、主分量分析的最佳準則是對一組數據進行按一組正交基分解, 在只取相同數量分量的條件下,以均方誤差計算截尾誤差最小
B、在經主分量分解後,協方差矩陣成為對角矩陣
C、主分量分析就是K-L變換
D、主分量是通過求協方差矩陣的特徵值得到
點擊下方空白區域查看答案 ▼
正確答案是：C
解析：K-L變換與PCA變換是不同的概念，PCA的變換矩陣是協方差矩陣，K-L變換的變換矩陣可以有很多種（二階矩陣、協方差矩陣、總類內離散度矩陣等等）。當K-L變換矩陣為協方差矩陣時，等同於PCA。解析參考自：@BlackEyes_SGC
468題
關於logit 回歸和SVM 不正確的是（ ）
A、Logit回歸本質上是一種根據樣本對權值進行極大似然估計的方法，而後驗概率正比於先驗概率和似然函數的乘積。logit僅僅是最大化似然函數，並沒有最大化後驗概率，更談不上最小化後驗概率。
B、Logit回歸的輸出就是樣本屬於正類別的幾率，可以計算出概率。
C、SVM的目標是找到使得訓練數據儘可能分開且分類間隔最大的超平面，應該屬於結構風險最小化。
D、SVM可以通過正則化係數控制模型的複雜度，避免過擬合。
點擊下方空白區域查看答案▼
正確答案是：A
解析：
Logit回歸目標函數是最小化後驗概率，Logit回歸可以用於預測事件發生概率的大小，SVM目標是結構風險最小化，SVM可以有效避免模型過擬合。
469題
以下不屬於影響聚類演算法結果的主要因素有（）
A、已知類別的樣本質量
B、分類準則
C、特徵選取
D、模式相似性測度
點擊下方空白區域查看答案▼
正確答案是：A
解析：
都已知了，就不必再進行聚類了。
470題
模式識別中，不屬於馬式距離較之於歐式距離的優點的是（ ）
A、平移不變性
B、尺度不變性
C、考慮了模式的分布
點擊下方空白區域查看答案 ▼
正確答案是：A
題目來源
：七月在線官網（https://www.julyedu.com/）——面試題庫——筆試練習——機器學習今日推薦
【機器學習集訓營第六期】
火熱報名中
三個月挑戰年薪四十萬，甚至更高薪~
9月開始，BAT等一線公司
每月定期來集訓營現場招人面試
併當場給予招聘結果
這麼好的機會，還在等什麼
報名即送
《機器學習工程師 第八期》
《深度學習 第三期》
更好的助力學習集訓營課程
有意的親們抓緊時間嘍
兩人及兩人以上組團立減
500元
想組團者/諮詢可以
添加微信客服
julyedukefu_02
??
長按識別二維碼
更多資訊
請戳一戳
往期推薦
那些年薪40萬的人，究竟做對了什麼？
【內推】用了這麼久支付寶，你難道不想來螞蟻金服試試嗎?
這10種深度學習方法，AI從業者必備！
乾貨 | 一圖掌握整個深度學習核心知識體系【高清下載】
為什麼程序員總喜歡在半夜寫代碼？
2019校招面試必備，15個CNN關鍵回答集錦【建議收藏】
點擊下方 「
閱讀原文
」 ，在線報名↓↓↓
推薦閱讀：