bat题库机器学习面试1000题系列.docxVIP

211 .解决隐马模型中预测问题的算法是？ 前向算法 后向算法 Baum-Welch 算法 维特比算法 正确答案：D @刘炫320 ,本题题目及解析来源： /column/details/16442.html A、B :前向、后向算法解决的是一个评估问题，即给定一个模型，求某特走观 测序列的概率，用于评估该序列最匹配的模型。 C : Baum-Welch算法解决的是一个模型训练问题,即参数估计,是一种无监 督的训练方法，主要通过EM迭代实现； D :维特比算法解决的是给走一个模型和某个特走的输出序列,求最可能产生 这个输出的状态序列。如通过海藻变化（输出序列）来观测天气（状态序列）,是 预测问题，通信中的解码问题。 212.-般，k-NN最近邻方法在（）的情况下效果较好 样本较多但典型性不好 样本较少但典型性好 样本呈团状分布 样本呈链状分布 正确答案：B 解析：K近邻算法主要依靠的是周围的点，因此如果样本过多，那肯走是区分 不出来的。因此应当选择B 样本呈团状颇有迷惑性,这里应该指的是整个样本都是呈团状分布，这样kNN 就发挥不出其求近邻的优势了，整体样本应该具有典型性好,样本较少,比较适 宜。 21 3.下列方法中，可以用于特征降维的方法包括（） 主成分分析PCA 线性判别分析LDA 深度学习 SparseAutoEncoder 矩阵奇异值分解SVD 最/J\二乘法 LeastSquares 正确答案：ABCD 解析：降维的3种常见方法ABD ,都是线性的。深度学习是降维的方法这个就 比较新鲜了,事实上，细细想来，也是降维的一种方法，因为如果隐藏层中的神经 元数目要小于输入层，那就达到了隆维，但如果隐藏层中的神经元如果多余输入 层，那就不是降维了。 最小二乘法是线性回归的一种解决方法，其实也是投影，但是并没有进行降维。 214 .下面哪些是基于核的机器学习算法?() Expectation Maximization ( EM )(最大期望算法) Radial Basis Function ( RBF )(径向基核函数) Linear Discrimimate Analysis ( LDA )(主成分分析法) Support Vector Machine ( SVM )(支持向星机) 正确答案：BCD 解析：径向基核函数是非常常用的核函数,而主成分分析法的常规方法是线性 的，但是当遇到非线性的时候，同样可以使用核方法使得非线性问题转化为线性问 题。支持向星机处理非线性的问题的时候，核函数也是非常重要的。 215?试推导样本空间中任意点x到超平面（w,b ）的距离公式。 :锻07可佗主互上乎起辛祜k衣弓必 | = 泌I二転刁二+（ -）| i^ll d .（次处d斜衬 爲,a哪》: I 二 I（0（ -9（x）4- CaA X 二处）—4UA5C-X 二 |少‘虫 ?十2*十…tv久一^LU^J +-.4-hJ^C 二3了*）-3丁*丄）| —[UJTx ■+ b | ° ⑷珂*?匕0爭向） 5 A和聖⑴5 您 4竺m II 2 It