一个月刷完机器学习笔试题300题（8）

第八天

1、对于下图, 最好的主成分选择是多少 ?

A
7
B
30
C
35
D
Can’t Say
正确答案是： B
主成分选择使variance越大越好， 在这个前提下， 主成分越少越好。
2、数据科学家可能会同时使用多个算法（模型）进行预测， 并且最后把这些算法的结果集成起来进行最后的预测（集成学习），以下对集成学习说法正确的是
A
单个模型之间有高相关性
B
单个模型之间有低相关性
C
在集成学习中使用“平均权重”而不是“投票”会比较好
D
单个模型都是用的一个算法
正确答案是： B ？？？？
？？？bagging具有低相关性，而boosting是不是高相关性？？？

3、在有监督学习中， 我们如何使用聚类方法？

1. 我们可以先创建聚类类别， 然后在每个类别上用监督学习分别进行学习
2. 我们可以使用聚类“类别id”作为一个新的特征项， 然后再用监督学习分别进行学习
3. 在进行监督学习之前， 我们不能新建聚类类别
4. 我们不可以使用聚类“类别id”作为一个新的特征项， 然后再用监督学习分别进行学习
   A
   2 和 4
   B
   1 和 2
   C
   3 和 4
   D
   1 和 3
   正确答案是： B
   我们可以为每个聚类构建不同的模型， 提高预测准确率。
   “类别id”作为一个特征项去训练， 可以有效地总结了数据特征。

4、以下说法正确的是

1. 一个机器学习模型，如果有较高准确率，总是说明这个分类器是好的
2. 如果增加模型复杂度， 那么模型的测试错误率总是会降低
3. 如果增加模型复杂度， 那么模型的训练错误率总是会降低
4. 我们不可以使用聚类“类别id”作为一个新的特征项， 然后再用监督学习分别进行学习
   A
   1
   B
   2
   C
   3
   D
   2和3
   E
   都错
   正确答案是：E
   1的模型中, 如果负样本占比非常大,也会有很高的准确率, 对正样本的分类不一定很好;
   4的模型中, “类别id”可以作为一个特征项去训练, 这样会有效地总结了数据特征。

5、对应GradientBoosting tree算法， 以下说法正确的是:

1. 当增加最小样本分裂个数，我们可以抵制过拟合
2. 当增加最小样本分裂个数，会导致过拟合
3. 当我们减少训练单个学习器的样本个数，我们可以降低variance
4. 当我们减少训练单个学习器的样本个数，我们可以降低bias
   A
   2 和 4
   B
   2 和 3
   C
   1 和 3
   D
   1 和 4
   正确答案是：C
   最小样本分裂个数是用来控制“过拟合”参数。太高的值会导致“欠拟合”，这个参数应该用交叉验证来调节。
   第二点是靠bias和variance概念的。

6、以下哪个图是KNN算法的训练边界

A
B
B
A
C
D
D
C
E
都不是
正确答案是： B
KNN算法肯定不是线性的边界， 所以直的边界就不用考虑了。另外这个算法是看周围最近的k个样本的分类用以确定分类，所以边界一定是坑坑洼洼的。

7、如果一个训练好的模型在测试集上有100%的准确率， 这是不是意味着在一个新的数据集上，也会有同样好的表现？
A
是的，这说明这个模型的范化能力已经足以支持新的数据集合了
B
不对，依然后其他因素模型没有考虑到，比如噪音数据
正确答案是： B
没有一个模型是可以总是适应新数据的。我们不可能可到100%准确率。
8、下面的交叉验证方法
i. 有放回的Bootstrap方法
ii. 留一个测试样本的交叉验证
iii. 5折交叉验证
iv. 重复两次的5折教程验证
当样本是1000时，下面执行时间的顺序，正确的是
A
i > ii > iii > iv
B
ii > iv > iii > i
C
iv > i > ii > iii
D
ii > iii > iv > i
正确答案是： B
Boostrap方法是传统地随机抽样，验证一次的验证方法，只需要训练1次模型，所以时间最少。
留一个测试样本的交叉验证，需要n次训练过程（n是样本个数），这里，要训练1000个模型。
5折交叉验证需要训练5个模型。
重复2次的5折交叉验证，需要训练10个模型。
所有B是正确的
9、变量选择是用来选择最好的判别器子集， 如果要考虑模型效率，我们应该做哪些变量选择的考虑？

1. 多个变量其实有相同的用处
2. 变量对于模型的解释有多大作用
3. 特征携带的信息
4. 交叉验证
   A
   1 和 4
   B
   1, 2 和 3
   C
   1,3 和 4
   D
   以上所有
   正确答案是：C
   注意， 这题的题眼是考虑模型效率，所以不要考虑选项2.

10、对于线性回归模型，包括附加变量在内，以下的可能正确的是 :

1. R-Squared 和 Adjusted R-squared都是递增的
2. R-Squared 是常量的，Adjusted R-squared是递增的
3. R-Squared 是递减的， Adjusted R-squared 也是递减的
4. R-Squared 是递减的， Adjusted R-squared是递增的
   A
   1 和 2
   B
   1 和 3
   C
   2 和 4
   D
   以上都不是
   正确答案是：D
   R-squared不能决定系数估计和预测偏差，这就是为什么我们要估计残差图。但是，R-squared有R-squared 和 predicted R-squared 所没有的问题。
   每次你为模型加入预测器，R-squared递增或不变.