到這我們已經(jīng)分享第三期Python機(jī)器學(xué)習(xí)方向的面試題了，是不是感覺前兩期的面試題非常有用呢？最后一期20道題送給大家。

      1.人工智能與機(jī)器學(xué)習(xí)的區(qū)別？

      基于經(jīng)驗(yàn)數(shù)據(jù)的特性而設(shè)計(jì)和開發(fā)的算法被稱為機(jī)器學(xué)習(xí)。而人工智能不但包括機(jī)器學(xué)習(xí)，還包括諸如知識(shí)表示，自然語言處理，規(guī)劃，機(jī)器人技術(shù)等其它方法。

      2.在機(jī)器學(xué)習(xí)中分類器指的是什么？

      在機(jī)器學(xué)習(xí)中，分類器是指輸入離散或連續(xù)特征值的向量，并輸出單個(gè)離散值或者類型的系統(tǒng)。

      3.樸素貝葉斯方法的優(yōu)勢是什么？

      樸素貝葉斯分類器將會(huì)比判別模型，譬如邏輯回歸收斂得更快，因此你只需要更少的訓(xùn)練數(shù)據(jù)。其主要缺點(diǎn)是它學(xué)習(xí)不了特征間的交互關(guān)系。

      4.在哪些領(lǐng)域使用模式識(shí)別技術(shù)？

      模式識(shí)別被應(yīng)用在：計(jì)算機(jī)視覺、語言識(shí)別、統(tǒng)計(jì)、數(shù)據(jù)挖掘、非正式檢索、生物信息學(xué)。

      5.什么是遺傳編程？

      遺傳編程的機(jī)器學(xué)習(xí)中兩種常用的方法之一。該模型是基于測試，并在一系列的結(jié)果當(dāng)中，獲取最佳選擇。

      6.在機(jī)器學(xué)習(xí)中歸納邏輯程序設(shè)計(jì)是指什么？

      歸納邏輯程序設(shè)計(jì)（ILP）是利用邏輯程序設(shè)計(jì)表達(dá)的背景知識(shí)和實(shí)例，它是機(jī)器學(xué)習(xí)的一個(gè)分支。

      7.在機(jī)器學(xué)習(xí)中，模型的選擇是指？

      在不同的數(shù)學(xué)模型中，選擇用于描述相同的數(shù)據(jù)集的模型的過程被稱為模型選擇。模型選擇吧被應(yīng)用于統(tǒng)計(jì)，機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的等相關(guān)領(lǐng)域。

      8.什么是支持向量機(jī)？

      支持向量機(jī)是一種監(jiān)督學(xué)習(xí)算法，適用于分類和回歸分析。

      9.關(guān)系評(píng)價(jià)技術(shù)的組成部分是什么？

      關(guān)系評(píng)價(jià)技術(shù)的重要組成部分如下：數(shù)據(jù)采集、地面實(shí)況采集、交叉驗(yàn)證技術(shù)、查詢類型、評(píng)分標(biāo)準(zhǔn)、顯著性檢驗(yàn)。

      10.你會(huì)在時(shí)間序列數(shù)據(jù)集上使用什么交叉驗(yàn)證技術(shù)？是用k倍或LOOCV？

      都不是。對(duì)于時(shí)間序列問題，k倍可能會(huì)很麻煩，因?yàn)榈?年或第5年的一些模式有可能跟第3年的不同，而對(duì)數(shù)據(jù)集的重復(fù)采樣會(huì)將分離這些趨勢，而我們最終可能只是需要對(duì)過去幾年的進(jìn)行驗(yàn)證，這就不能用這種方法了。相反，我們可以采用如下所示的5倍正向鏈接策略：

      11.給你一個(gè)有1000列和1百萬行的訓(xùn)練數(shù)據(jù)集，這個(gè)數(shù)據(jù)集是基于分類問題的。經(jīng)理要求你來降低該數(shù)據(jù)集的維度以減少模型計(jì)算時(shí)間，但你的機(jī)器內(nèi)存有限。你會(huì)怎么做？（你可以自由做各種實(shí)際操作假設(shè)。）

      你的面試官應(yīng)該非常了解很難在有限的內(nèi)存上處理高維的數(shù)據(jù)。以下是你可以使用的處理方法：

      1.由于我們的RAM很小，首先要關(guān)閉機(jī)器上正在運(yùn)行的其他程序，包括網(wǎng)頁瀏覽器等，以確保大部分內(nèi)存可以使用。

      2.我們可以隨機(jī)采樣數(shù)據(jù)集。這意味著，我們可以創(chuàng)建一個(gè)較小的數(shù)據(jù)集，比如有1000個(gè)變量和30萬行，然后做計(jì)算。

      3.為了降低維度，我們可以把數(shù)值變量和分類變量分開，同時(shí)刪掉相關(guān)聯(lián)的變量。對(duì)于數(shù)值變量，我們將使用相關(guān)性分析；對(duì)于分類變量，我們可以用卡方檢驗(yàn)。

      4.另外，我們還可以使用PCA（主成分分析），并挑選可以解釋在數(shù)據(jù)集中有最大偏差的成分。

      5.利用在線學(xué)習(xí)算法，如VowpalWabbit（在Python中可用）是一個(gè)不錯(cuò)的選擇。

      6.利用Stochastic GradientDescent（隨機(jī)梯度下降法）建立線性模型也很有幫助。

      7.我們也可以用我們對(duì)業(yè)務(wù)的理解來估計(jì)各預(yù)測變量對(duì)響應(yīng)變量的影響的大小。但是，這是一個(gè)主觀的方法，如果沒有找出有用的預(yù)測變量可能會(huì)導(dǎo)致信息的顯著丟失。

      12.全球平均溫度的上升導(dǎo)致世界各地的海盜數(shù)量減少。這是否意味著海盜的數(shù)量減少引起氣候變化？

      不能夠這樣說。這是一個(gè)“因果關(guān)系和相關(guān)性”的經(jīng)典案例。全球平均溫度和海盜數(shù)量之間有可能有相關(guān)性，但基于這些信息，我們不能說因?yàn)槿蚱骄鶜鉁氐纳仙鴮?dǎo)致了海盜的消失。我們不能斷定海盜的數(shù)量減少是引起氣候變化的原因，因?yàn)榭赡苡衅渌蛩兀摲蚧祀s因素）影響了這一現(xiàn)象。

      13.給你一個(gè)數(shù)據(jù)集，這個(gè)數(shù)據(jù)集有缺失值，且這些缺失值分布在離中值有1個(gè)標(biāo)準(zhǔn)偏差的范圍內(nèi)。百分之多少的數(shù)據(jù)不會(huì)受到影響？為什么？

      約有32%的數(shù)據(jù)將不受缺失值的影響。因?yàn)?，由于?shù)據(jù)分布在中位數(shù)附近，讓我們先假設(shè)這是一個(gè)正態(tài)分布。我們知道，在一個(gè)正態(tài)分布中，約有68%的數(shù)據(jù)位于跟平均數(shù)（或眾數(shù)、中位數(shù)）1個(gè)標(biāo)準(zhǔn)差范圍內(nèi)，那么剩下的約32%的數(shù)據(jù)是不受影響的。因此，約有32%的數(shù)據(jù)將不受缺失值的影響。

      14.你意識(shí)到你的模型受到低偏差和高方差問題的困擾。那么，應(yīng)該使用哪種算法來解決問題呢？為什么？

      可以使用bagging算法（如隨機(jī)森林）。因?yàn)椋推钜馕吨Ｐ偷念A(yù)測值接近實(shí)際值，換句話說，該模型有足夠的靈活性，以模仿訓(xùn)練數(shù)據(jù)的分布。這樣貌似很好，但是別忘了，一個(gè)靈活的模型沒有泛化能力，意味著當(dāng)這個(gè)模型用在對(duì)一個(gè)未曾見過的數(shù)據(jù)集進(jìn)行測試的時(shí)候，它會(huì)令人很失望。在這種情況下，我們可以使用bagging算法（如隨機(jī)森林），以解決高方差問題。bagging算法把數(shù)據(jù)集分成重復(fù)隨機(jī)取樣形成的子集。然后，這些樣本利用單個(gè)學(xué)習(xí)算法生成一組模型。接著，利用投票（分類）或平均（回歸）把模型預(yù)測結(jié)合在一起。另外，為了應(yīng)對(duì)大方差，我們可以：

      1.使用正則化技術(shù)，懲罰更高的模型系數(shù)，從而降低了模型的復(fù)雜性。

      2.使用可變重要性圖表中的前n個(gè)特征?？梢杂糜诋?dāng)一個(gè)算法在數(shù)據(jù)集中的所有變量里很難尋找到有意義信號(hào)的時(shí)候。

      15.Gradient boosting算法（GBM）和隨機(jī)森林都是基于樹的算法，它們有什么區(qū)別？

      最根本的區(qū)別是，隨機(jī)森林算法使用bagging技術(shù)做出預(yù)測；而GBM是采用boosting技術(shù)做預(yù)測的。在bagging技術(shù)中，數(shù)據(jù)集用隨機(jī)采樣的方法被劃分成n個(gè)樣本。然后，使用單一的學(xué)習(xí)算法，在所有樣本上建模。接著利用投票或者求平均來組合所得到的預(yù)測。bagging是平行進(jìn)行的，而boosting是在第一輪的預(yù)測之后，算法將分類出錯(cuò)的預(yù)測加高權(quán)重，使得它們可以在后續(xù)一輪中得到校正。這種給予分類出錯(cuò)的預(yù)測高權(quán)重的順序過程持續(xù)進(jìn)行，一直到達(dá)到停止標(biāo)準(zhǔn)為止。隨機(jī)森林通過減少方差（主要方式）提高模型的精度。生成樹之間是不相關(guān)的，以把方差的減少最大化。在另一方面，GBM提高了精度，同時(shí)減少了模型的偏差和方差。

      16.“買了這個(gè)的客戶，也買了......”亞馬遜的建議是哪種算法的結(jié)果？

      這種推薦引擎的基本想法來自于協(xié)同過濾。協(xié)同過濾算法考慮用于推薦項(xiàng)目的“用戶行為”。它們利用的是其他用戶的購買行為和針對(duì)商品的交易歷史記錄、評(píng)分、選擇和購買信息。針對(duì)商品的其他用戶的行為和偏好用來推薦項(xiàng)目（商品）給新用戶。在這種情況下，項(xiàng)目（商品）的特征是未知的。

      17.在k-means或kNN，我們是用歐氏距離來計(jì)算最近的鄰居之間的距離。為什么不用曼哈頓距離？

      我們不用曼哈頓距離，因?yàn)樗挥?jì)算水平或垂直距離，有維度的限制。另一方面，歐氏距離可用于任何空間的距離計(jì)算問題。因?yàn)?，?shù)據(jù)點(diǎn)可以存在于任何空間，歐氏距離是更可行的選擇。例如：想象一下國際象棋棋盤，象或車所做的移動(dòng)是由曼哈頓距離計(jì)算的，因?yàn)樗鼈兪窃诟髯缘乃胶痛怪狈较蜃龅倪\(yùn)動(dòng)。

      18.我知道校正R2或者F值是用來評(píng)估線性回歸模型的。那用什么來評(píng)估邏輯回歸模型？

      我們可以使用下面的方法：

      1.由于邏輯回歸是用來預(yù)測概率的，我們可以用AUC-ROC曲線以及混淆矩陣來確定其性能。

      2.此外，在邏輯回歸中類似于校正R2的指標(biāo)是AIC。AIC是對(duì)模型系數(shù)數(shù)量懲罰模型的擬合度量。因此，我們更偏愛有最小AIC的模型。

      3.空偏差指的是只有截距項(xiàng)的模型預(yù)測的響應(yīng)。數(shù)值越低，模型越好。殘余偏差表示由添加自變量的模型預(yù)測的響應(yīng)。數(shù)值越低，模型越好。

      19.為什么樸素貝葉斯如此“樸素”？

      因?yàn)樗俣ㄋ械奶卣髟跀?shù)據(jù)集中的作用是同樣重要和獨(dú)立的。正如我們所知，這個(gè)假設(shè)在現(xiàn)實(shí)世界中是很不真實(shí)的，因此，說樸素貝葉斯真的很“樸素”。

      20.花了幾個(gè)小時(shí)后，現(xiàn)在你急于建一個(gè)高精度的模型。結(jié)果，你建了5 個(gè)GBM（Gradient Boosted Models），想著boosting算法會(huì)展現(xiàn)“魔力”。不幸的是，沒有一個(gè)模型比基準(zhǔn)模型表現(xiàn)得更好。最后，你決定將這些模型結(jié)合到一起。盡管眾所周知，結(jié)合模型通常精度高，但你就很不幸運(yùn)。你到底錯(cuò)在哪里？

      據(jù)我們所知，組合的學(xué)習(xí)模型是基于合并弱的學(xué)習(xí)模型來創(chuàng)造一個(gè)強(qiáng)大的學(xué)習(xí)模型的想法。但是，只有當(dāng)各模型之間沒有相關(guān)性的時(shí)候組合起來后才比較強(qiáng)大。由于我們已經(jīng)試了5個(gè)GBM也沒有提高精度，表明這些模型是相關(guān)的。具有相關(guān)性的模型的問題是，所有的模型提供相同的信息。例如：如果模型1把User1122歸類為1，模型2和模型3很有可能會(huì)做同樣的分類。

      以上就是這一期的20道機(jī)器學(xué)習(xí)面試題了，同學(xué)們?nèi)绻麑?duì)Python開發(fā)培訓(xùn)感興趣的話不妨來跟我們的在線老師了解一下，還能免費(fèi)領(lǐng)取學(xué)習(xí)資料，還等什么？