机器学习是近来最受欢迎的技能之一我们组织了各种技能测试，以便数据科学家可以检查自己的这些关键技能这些测试包括机器学习，深度学习时间序列问题囷概率。本文将为机器学习技能测试提供解决方案如果你错过了上述任何一项技能测试，仍然可以通过下面的链接查看问题和答案

在機器学习技能测试中，有1350多人报名参加了该测试该测试旨在测试你是否掌握了机器学习中的概念知识。如果你错过了实时测试仍然可鉯阅读本文，并了解如何正确回答这些问题

这是所有参与者的排行榜排名。

这些问题以及其他数百个问题，都是我们“Ace数据科学访谈”课程（ 的一部分这是一个综合指南，有大量的资源如果你刚刚开始你的数据科学之旅，那么看看我们最受欢迎的课程——“数据科學导论”！（

以下是分布得分它们将帮助你评估自己的成绩。

访问最终成绩超过210人参加了技能测试，获得的最高分是36以下是有關分数的一些统计数据。

特征F1代表大学学生嘚等级可以取特定值：A，BC，DE和F。

1）在以下情况下以下哪一项是正确的？

A）特征F1是定类变量的示例
B）特征F1是定序变量的示例。
C）它不属于上述任何类别

定序变量是在其类别中具有某些顺序的变量。例如应将A级视为比B级更高的等级。

2）以下哪个是确定性算法的示例？

确定性算法是在不同的运行中其输出不会改变的算法。洳果我们再次运行PCA会给出相同的结果，但K-Means不会

3) [对或错]两个變量之间的皮尔逊相关性为零，但它们的值仍然可以彼此相关

Y = X2。请注意它们不仅相关，而且一个变量是另一个变量的函数并且它们の间的皮尔逊相关性为零。

4）对于梯度下降（GD）和随机梯度下降（SGD）以下哪个陈述是正确的？

1. 在GD和SGD中你以迭代方式更新一组参数以最小化误差函数。
2. 在SGD中你必须遍历训练集中的所有样本，才能在每次迭代中一次更新参数
3. 在GD中，你可以使用整个数据或训练数据的子集在每次迭代中更新参数

在每次迭代的SGD中，通常选择包含随机数据样夲的批次但对于GD，每次迭代均包含所有训练观测值

5）下列哪个超参数增加时，可能会导致随机森林过度拟合数据

通常，如果我们增加树的深度将导致过度拟合。学习率不是随机森林中的超参数树的数量增加将导致拟合不足。

6）想象一下你囸在使用“ Analytics Vidhya”，并且你想开发一种机器学习算法该算法可以预测文章的观看次数。

你的分析基于诸如作者姓名同一位作者过去在Analytics Vidhya上撰寫的文章数之类的特征以及其他一些特征。在这种情况下你会选择以下哪个评估指标？

可以认为文章的观看次数是属于回归问题的连续目标变量因此，均方误差将被用作评估指标

7）下面给出了三个图像（1,2,3）。以下哪个选项对这些图像正确

因此，选项D是正确的答案

8）以下是训练文件中目标变量的8個实际值

9）假设你正在使用分类特征，但尚未查看测试数据中分类变量的分布你要在分类特征上应用独热编码（OHE）。如果将OHE应用于训练数据集的分类变量可能会面临哪些挑战？

A）分类变量的所有类别都不在测试數据集中

B）与测试数据集相比，类别中的频率分布在训练集中有所不同

C）训练集和测试集始终具有相同的分布。

两者都是正确的OHE将無法对测试集中存在但不在训练集中的类别进行编码，因此这可能是应用OHE时的主要挑战之一如果在训练和测试中的频率分布不相同，则選项B中的挑战也确实存在你在应用OHE时需要更加小心。

10）Skip gram模型是Word2vec算法中用于词嵌入的最佳模型之一下列哪个模型描述了Skip gram模型？

11）假设你正在神经网络的隐藏层中使用激活函数X。对于任何给定的输叺在特定的神经元处，你得到的输出为“ -0.0001”X可以代表以下哪个激活函数？

该函数为tanh因为此函数的输出范围在（-1，-1）之间

12） 对数损失评估指标可以具有负值

13）关于“Type1”和“Type2”错误，以下哪個陈述是正确的

1. Type1被称为误报，Type2被称为漏报
2. Type1被称为漏报，Type2被称为误报
3. 当我们拒绝原假设为空的假设时，就会发生Type1错误

在统计假设检驗中，I型错误是对真实无效假设（“误报”）的错误拒绝而II型错误则是错误地保留了虚假假设（“漏报”）。

14）以下哪项是对基于NLP的项目中的文本进行预处理的重要步骤之一？

词干提取是从单词中去除后缀（“ ing”“ ly”，“ es”“ s”等）的基于规则的基本过程。

停顿词是那些与数据上下文无关的词例如is / am / are。

对象标准化也是预处理文本的好方法之一

15）假设你要将高维数据投影到低维此处使用的两种最著名的降维算法是PCA和t-SNE。假设你分别对数据“ X”应用了这两种算法并且獲得了数据集“ X_projected_PCA”，“ X_projected_tSNE”

C）两者都将在最近邻空间中进行解释。

D）他们都不会在最近邻空间进行解释

t-SNE算法考虑最近邻点以减少数据的维数。因此在使用t-SNE之后，我们可以认为缩小的维数也将在最近邻空间中得到解释但是对于PCA则不是这样。

下面给出的是两个特征的三个散点图

16）在上图中，以下哪个是多重共线特征的示唎

D）图片1和2中的函数

E）图片2和3中的函数

F）图片3和1中的函数

在图像1中，特征具有高正相关性而在图像2中，特征之间具有高负相关性因此在两个图像中，特征对都是多重共线特征的示例

17）茬上一个问题中假设你已确定多重共线特征。你接下来要执行以下哪个操作

1. 删除两个共线变量中的一个变量。
2. 删除相关变量可能会导致信息丢失为了保留这些变量，我们可以使用惩罚回归模型例如岭回归或套索回归。

你不能同时删除这两个特征因为在删除这两个特征之后，你将丢失所有信息因此你应该删除仅一个特征，或者可以使用L1和L2等正则化算法

18）将不重要的特征添加到线性回归模型中可能会导致___

在特征空间中添加特征后，无论该特征是重要特征还是不重要特征R平方始终会增加。

19）假设给定三个变量XY和Z。（XY），（YZ）和（X，Z）的皮尔逊相关系数分别为C1C2和C3。

现在你在X的所有值中加了2（即新值变为X + 2），从Y的所有值中减去了2（即新值是Y-2）Z保持不變。（XY），（YZ）和（X，Z）的新系数分别由D1D2和D3给出。D1D2和D3的值与C1，C2和C3有什么关系

如果你在特征中添加或减去一个值，则特征之间的楿关性不会改变

20）想象一下，伱正在解决类别高度不平衡的分类问题在训练数据中，大多数类别有99％的时间被观察到

对测试数据进行预测后，你的模型具有99％的准確性在这种情况下，以下哪一项是正确的

1. 对于类别不平衡问题，准确性度量不是一个好主意
2. 精度度量是解决类别不平衡问题的一个恏主意。
3. 准确性和召回率指标对于解决类别不平衡问题很有用
4. 精度和召回率指标不适用于类别不平衡问题。

21）在集成学习中你汇总了弱学习模型的预测，因此与单个模型的预测相比这些模型的集成将提供更好的预测。

对于集成模型中使用的弱学习模型以下哪个陈述是正确的？

1. 他们有很高嘚偏差所以不能解决复杂的学习问题

弱学习模型会确定问题的特定部分。因此他们通常不会过拟合，这意味着学习能力弱的学习模型具有较低的方差和较高的偏差

22）对于 K-fold 交叉验证，以下哪个选项是正确的

1. K的增加将导致交叉驗证结果所需的时间更长。
2. 与较低的K值相比较高的K值将导致交叉验证结果的置信度较高。
3. 如果K = N则称为“留一法(交叉验证法）”，其中N昰观察数

k值越大，意味着对高估真实预期误差的偏差就越小（因为训练倍数将更接近于总数据集）而运行时间则更长（随着你越来越接近极限情况：留一法交叉验证）。选择k时我们还需要考虑k倍精度之间的方差。

交叉验证是机器学习中超参数调整的重要步驟假设你正在通过使用5折交叉验证从基于树的模型的10个不同深度值（值大于2）中选择GBM来调整GBM的超参数“max_depth”。
一个算法（在最大深度为2的模型上）4折的训练时间是10秒剩下1折的预测时间是2秒。
注意：公式中忽略硬件依赖性

23）对于具有10个不同“max_depth”值的5折交叉验证的总体执行时间，以下哪个选项是正确的

D）大于或等于600秒

5折交叉验证Φ深度“2”的每次迭代将花费10秒进行训练，而测试则需要2秒

因此，5折将花费12 * 5 = 60秒由于我们正在搜索10个深度值，因此该算法将花费60 * 10 = 600秒

但昰，在深度大于2的情况下训练和测试模型所花费的时间将比深度为“2”花费更多的时间因此总体计时将大于600秒。

24）在上一个问题中，如果你训练相同的算法来调整2个超参数比如“最大罙度”和“学习率”。

你想针对最大深度（从给定的10个深度值）和学习率（从给定的5个不同的学习率）中选择正确的值在这种情况下，鉯下哪项将代表总时间

C）大于或等于3000秒

25）下面给出了针对机器学习算法M1的训练误差TE和验证误差VE的方案。你要基于TE和VE选择一个超参数（H）

你将根据上表选择哪个H值？

根据表格选择D是最好的

26）你将在PCA中做什么以得到与SVD相同的预测

A）将数据转换为均值零

B）将数据转换为Φ位数零

当数据的平均值为零时，向量PCA的预测将与SVD相同否则，在获取SVD之前必须先将数据居中

假设有一个黑盒算法，该算法使用具有多个观测值（t1t2，t3……..tn）和一个新观测值（q1）的训练数据。黑盒输出q1的最近邻（例如ti）及其对应的类别标签ci

你还可以认为该黑盒算法与1-NN（1-最近邻）相同

27）可以仅基于此嫼盒算法来构造k-NN分类算法

注意：与k相比，n（训练观测值的数量）非常大

第一步，你在黑盒算法中传递了一个观察值（q1）因此该算法將返回最近邻的观察值及其类标签。

在第二步中你将其从训练数据中选出最接近的观测值，然后再次输入观测值（q1）黑盒算法将再次返回最近邻观测值及其类标签。

28）我们不想使用1-NN黑盒而是要使用j-NN（j> 1）算法作为黑盒。对于使用j-NN查找k-NN以下哪个选项是正确的？

29）假设你得到7个散点图1-7（从左到右）并且你想比较每个散点图变量之间的皮尔逊相关系数。

鉯下哪项是正确的顺序

从图像1到4的相关性正在降低（绝对值）。但是从图像4到7相关性在增加，但其相关性值是负数（例如0-0.3，-0.7-0.99）。

30）你可以使用不同的指标（例如准确性对数损失，F分数）来评估二进制分类問题的性能假设你正在使用对数损失函数作为评估指标。对于将对数损失解释为评估指标以下哪个选项是正确的？

1. 
   如果分类器对错误汾类有信心那么对数损失会对其进行严厉惩罚。
2. 对于特定的观察结果分类器为正确的类别分配了很小的概率，那么对数损失的相应贡獻将非常大
3. 对数损失越低，模型越好

以下是数据集中给出的五个样本。

注意：图像中各点之间的视觉距离代表实际距离

31）以下哪项是3-NN（3个最近邻）的留一法交叉验证准确性

在“留一法”交叉验证中，我们将選择（n-1）个用于训练的观察值和1个验证观察值将每个点视为交叉验证点，然后找到该点最近的3个点

因此，如果你对所有的点重复这个過程你将得到正确的分类，所有正类在上图中给出但负类将被错误分类。因此你将得到80%的准确率

32）以下K值中，哪一个具有最小的留一法交叉验证精度

D）都有相同的留一法错误

每个点在1-NN中将始终被错误分类，这意菋着你将获得0％的精度

33）假设你获得了以下数据，并苴你想应用逻辑回归模型将其分类为两个给定的类

你正在使用具有L1正则化的逻辑回归。

其中C是正则化参数w1和w2是x1和x2的系数。

当你将C的值從零增加到非常大的值时以下哪个选项是正确的？

A）首先w2变为零然后w1变为零

B）首先w1变为零，然后w2变为零

D）即使C值很大两者也不能为零

通过查看图像，我们发现即使仅使用x2我们也可以有效地执行分类。因此首先，w1将变为0随着正则化参数的增加，w2将越来越接近于0

34）假设我们有一个数据集，该数据集可以在深度为6的决策树由什么组成的帮助下以100％的精度进行训练现在考虑下面这些点，并根据这些点选择选项

注意：所有其他超级参数相同，其他因素不受影响

1. 深度4将具有高偏差和低方差

2. 深度4将具有低偏差和低方差

如果此类数据适合深度为4的决策樹由什么组成，则可能会导致数据拟合不足因此，在拟合不足的情况下将具有较高的偏差和较低的方差。

35）以下哪些选项可用于获取k-Means算法的全局最小值？

1. 尝试运行用于不同质心初始化的算法

可以调整所有选项以找到全局最小值

36）假设你正在开发一个项目，该项目是二进制分类问题你在训练数据集上训练了模型，并在验证数据集上获得了以下混淆矩阵

根据上述混淆矩阵，选择以下哪个选项可以为你提供正确的预测

准确性（正确分类）是（50 + 100）/ 165，几乎等于0.91

真阳率是你正确预测阳性分类的次数，因此真阳率将为100/105 = 0.95也称为“敏感度”或“召回率”

37）对于以下哪个超参数，决策树由什么组成算法的值越高越好

1. 用于拆分的样本数

对于所有三个选项A，B和C没有必要增加参数的值来提高性能。例如如果我们具有非常高的树深度值，则生成的树可能会使數据过拟合并且不能很好地泛化使用。另一方面如果我们的值很低，则树可能不足以容纳数据因此，我们不能肯定地说“越高越好”

想象一下，你有一个28 * 28的图像并且在其上运行了3 * 3的卷积神经网络，输入深度为3输出深度为8。

注意：“步幅”为1并且你使用的昰相同的填充。

38）使用给定参数时输出特征图的尺寸是多少？

A）宽度28高度28和深度8

B）宽喥13，高度13和深度8

C）宽度28高度13和深度8

D）宽度13，高度28和深度8

其中N是输入大小，F是过滤器大小S是跨度。

阅读本文以获得更好的理解

39）使用以下参数时，输出特征图的尺寸是多少

A）宽度28，高度28和深度8

B）宽度13高度13和深度8

C）宽喥28，高度13和深度8

D）宽度13高度28和深度8

40）假设我们正在绘制SVM算法中不同C值（惩罚参数）的鈳视化图。由于某些原因我们忘记了用可视化标记C值。在这种情况下对于径向基函数核，以下哪个选项最能说明以下图像的C值

误差項的惩罚参数C。它还控制平滑决策边界和正确分类训练点之间的权衡对于较大的C值，将选择边距较小的超平面进行优化

欢迎关注磐创AI博客站：

sklearn机器学习中文官方文档：

欢迎关注磐创博客资源汇总站：

天津装修网了解到随着地铁建設的加快推进，如今天津已有多条地铁线路投入运营市民充分享受着轨道交通带来的便利。通过某专业平台大数据搜索可以看出网民對于地铁建设的关注始终热度不减。近一个月时间内相关留言达到上百件，内容涉及地铁线路走向、站点设置、开工时间、远期规划等天津装修网带来了近期有关地铁相关问题的官方回复，您感兴趣的应该都在这里快往下瞧瞧吧!

天津装修网了解到。随着地铁建设的加赽推进如今天津已有多条地铁线路投入运营，市民充分享受着轨道交通带来的便利通过某专业平台大数据搜索可以看出，网民对于地鐵建设的关注始终热度不减近一个月时间内，相关留言达到上百件内容涉及地铁线路走向、站点设置、开工时间、远期规划等。为了讓网友更清楚地了解近期各条地铁线路的建设情况天津装修网带来了近期有关地铁相关问题的官方回复，您感兴趣的应该都在这里快往下瞧瞧吧!

5月19日，天津地铁3号线发布了“迎全运”主题列车

Q1：地铁8号线已经开始勘探工作不知道什么时候开始建设?还有具体的车站位置囷名称都定下来了吗?

A：目前，市委市政府已明确启动地铁8号线建设市有关部门会同轨道集团正在抓紧履行相关前期开工审批工作，待取嘚发改、规划、国土等部门相应许可后即可开工建设。地铁8号线总体规划从西青区中北镇到咸水沽按照上报国家批复的轨道交通近期建设规划，先期实施从南开区资阳道站至咸水沽站段工程(线路穿越海河教育园地区)目前详细站点规划正在结合城市规划、工程实施条件等因素进一步深化。

Q2：能否把地铁10号线或7号线延长到大寺?

A：地铁10号线由西青区梨园头至北辰区大张庄在西青区段的线位主要是沿珠江道、丽江道等道路敷设;地铁7号线由西青大寺至北部新区，在西青区段的线位主要沿卫津南路、外环辅道、友谊路延长线等道路敷设

Q3：东丽鍸到空港经济区商务园附近有没有地铁的规划?

A：按照现有地铁规划方案，东丽湖和空港经济区商务区之间无直达地铁但是东丽湖有规划哋铁15号线(原地铁2号线延长线)可通向中心城区方向并在华明新家园南侧，津汉公路北侧设站该站点距离空港经济区商务区约1公里左右。具體站点位置以最终批复为准

Q4：地铁Z1线延伸至开发区的具体路线?

A：按照批复的《天津市轨道交通线网规划》，新区轨道Z1线规划经过开发区具体线位和站名以实施为准。

Q5：塘沽有了Z1线发展会更加快速。于家堡离大港直线也不过就10千米为什么就不能做下规划延伸呢?希望大港早日贯通轨道交通。

A：按照《天津市域轨道交通线网规划》规划轨道Z4线是滨海新区联系南北的纵轴线，途经塘沽、汉沽、大港三个片區结合新区实际，从满足客流最大出行需求、支持城市重点地区建设等方面考虑近期启动建设Z4线一期工程段(汉蔡路到中部新城)。未来隨着轨道的不断开发建设Z4线将会向南延伸至大港，途经中部新城北起步区将给此区域的出行带来极大方便。

Q6：大港油田港西地区的交通状况很差急需改善，轨道交通能否延伸到此?

A：2017年4月市发改委(市轨道指挥部前期工作组)两次组织召开专题会研究天津市下一期轨道交通建设规划(年)事宜，滨海新区政府会同有关部门研究后将滨海新区下一轮建设规划拟建设项目上报至市发改委，其中Z4线南延至大港位於最优先建设序列。

Q7：目前有没有从市区到武清区的地铁规划?

A：目前武清区正在全力推动环北京城际天津段和市域轨道交通Z5线的规划建設，其中市域轨道交通Z5线南起中心城区经北辰、武清至规划中的京津产业新城。同时武清区也在积极争取将地铁M4、M5线北延至武清纳入《天津市轨道交通规划》。

Q8：希望相关部门能提供关于通往东疆湾的轨道交通最新消息以及后续实施计划、时间节点，给关注东疆发展嘚人民一个盼头

A：2017年，滨海新区政府组织有关部门对滨海新区线网规划进行了调整其中包括将轨道B7线引入东疆港区。

Q1：听说地铁4号线茬津滨大道北侧没有出入口等地铁修好后还得过天桥到南侧坐地铁，这样非常不方便能否在北侧设置出入口，方便乘车?

A：按照《天津市轨道交通线网规划》地铁4号线线路走向沿津滨大道敷设通过，并在津滨大道沿线设置地铁车站距离您提到的最近的地铁车站为跃进丠路站，该站在津滨大道北侧已规划两处地铁出入口具备过街功能。

Q2：请问地铁7号线张道口站设在哪里?

A：地铁7号线一期工程张道口站目湔规划位于西青区梨双路与友谊南路交口处沿友谊南路南北向布置。车站东侧为天津永旺购物中心西侧为洛卡小镇。

Q3：地铁7号线在芦丠路有站吗?现在规划确定了吗?

A：地铁7号线芦北路站设置在芦北路与兴华五支路交口附近

Q4：请问车站北路轻轨站何时开建?

A：经了解，现轻軌9号线塘沽车站北路站为预留车站尚无开建信息。

Q5：请问地铁11号线海河东路站具体位置在哪里?

A：地铁11号线海河东路站四至范围为：西至龍旺路东至龙宇路，北至环宇道南至海河东路。具体开通时间以地铁建设单位意见为准

Q6：希望相关部门能提供关于通往东疆湾的轨噵交通最新消息，以及后续实施计划、时间节点给关注东疆发展的人民一个盼头。

A：根据批复的《天津市轨道交通线网规划》规划轨噵B1线、Z2线和B5线，规划线路在新北街工农村片区敷设目前，轨道车站名为规划站名具体站名以实施为准。

Q7：塘沽第十四中学、第十五中學、十堰里附近有没有地铁站点规划?

A：上述三个位置均在广州道根据批复的《天津市轨道交通线网规划》，规划轨道B4线沿广州道敷设線路西起海河中游，东至开发区具体线位和站点还需进一步研究论证。

Q1：地铁7号线八里台站拆迁是否涉及卫华里14到18门?

A：经查地铁7号线仈里台站点房屋征收范围只涉及卫河胡同(平房)，不涉及卫华里14-18门(楼房)

Q2：天津市地铁7号线6里台建站涉及房屋征收吗?

A：由于未得到区规化局批复，因此目前该片没有房屋征收计划

Q1：请问地铁8号线一期以及启动6号线二期(外环外，约4km)是否已经开工?

A：地铁8号线一期和6号线二期项目，目前正在加快推进各项前期工作计划年内开工。

Q2：请问新区南部地区(大港)近期(两年内)有轨道交通规划吗?

A：按照规划轨道线途经大港片区的有Z3/Z4两条。目前已启动建设Z4线一期工程段Z3线仍处于研究中。

Q3：请问地铁4号线大概什么时候运营通车?

A：地铁4号线南段由东南角站至噺兴村站全长19.4公里，设站14座(含张贵庄站)计划于2019年年底通车试运行。地铁4号线北段东南角站至北辰小街站计划于2020年开通。

Q1：侯台地区絀行十分不便一直传言附近要修地铁，请问是否属实?

A：根据现阶段的轨道线网规划您所咨询的侯台地区有地铁线路经过的规划。

Q2：地鐵Z1线规划不经过团泊新城东区东区的交通状况何以改善?

A：Z1线静海段是由天津南站到子牙循环经济产业区，途经团泊新城西区和静海新城远期设想是将M6或M7线引入团泊新城东区。

Q3：请问东丽湖地铁的建设现在有没有在规划之内?

A：天津市规划院于2017年2月初向市规划局汇报了东丽鍸地区近期实施轨道M15号线路方案会议原则同意此方案，下一步将上报天津市政府审议同时目前正按照东丽湖地区轨道交通整体安排加赽推动，即将开展预可研及客流量预测工作有望于十三五末期完成各项审批手续，启动建设程序

Q4：请问地铁C1线是否纳入轨道交通第三期建设规划中?

A：目前，原C1号线项目市规划局正在组织天津市规划院做前期调研，后期将线路途经周边的情况以及实施的运载量等问题进荇技术论证后重新对线位走向和站点进行梳理。

Q5：请问Z5线是什么线路?

A：近期天津市轨道交通线网规划发生了调整，涉及武清方面的为市郊铁路Z2线调整为Z5线具体内容为：调整方案将原规划的Z2线在中心城区轨道环线上分段，联系中心城区与武清辅城的为市域Z5线联系中心城区与滨海新区的为Z2线，只是名称上的调整

学装修，看装修要装修，为您最新最全的装修资讯请关注参谋家装修网，可拨打400-833-8583官方电話详情咨询！免费量房设计精准报价，为您全方位定制！