無障礙寫文章
28 人贊同了該文章
86.已知一組資料的協方差矩陣p,下面關於主分量說法錯誤的是(c)
a、主分量分析的最佳準則是對一組資料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
@blackeyes_sgc：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。
87.kmeans的複雜度
時間複雜度：o(tkmn)，其中，t為迭代次數，k為簇的數目，m為記錄數，n為維數空間複雜度：o((m+k)n)，其中，k為簇的數目，m為記錄數，n為維數
88.關於logit 回歸和svm 不正確的是（a）
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式的乘積。logit僅僅是最大化似然函式，並沒有最大化後驗概率，更談不上最小化後驗概率。a錯誤
b. logit回歸的輸出就是樣本屬於正類別的機率，可以計算出概率，正確
c. svm的目標是找到使得訓練資料盡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。
@blackeyes_sgc：logit回歸目標函式是最小化後驗概率，logit回歸可以用於**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。
89.輸入大小為200×200，依次經過一層卷積（kernel size 5×5，padding 1，stride 2），pooling（kernel size 3×3，padding 0，stride 1），又一層卷積（kernel size 3×3，padding 1，stride 1）之後，輸出特徵圖大小為(97)： @blackeyes_sgc：計算尺寸不被整除只在googlenet中遇到過。卷積向下取整，池化向上取整。
本題 （200-5+2*1）/2+1 為99.5，取99
（99-3）/1+1 為97
（97-3+2*1）/1+1 為97
研究過網路的話看到stride為1的時候，當kernel為 3 padding為1或者kernel為5 padding為2 一看就是卷積前後尺寸不變。計算googlenet全過程的尺寸也一樣。
90.影響聚類演算法結果的主要因素有（b、c、d ）。
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
編輯於 2017-11-27 14:18
卷積神經網路（cnn）
機器學習
求職bat
贊同 28
分享
喜歡收藏
申請**
bat ai面試1000題
人民郵電出版社
大廠offer寶典
機器學習社...發表於機器學習社...
切換為時間排序
發布
BAT機器學習面試1000題系列（56 60題）
無障礙寫文章 29 人贊同了該文章 對影象 不同的資料視窗資料 和濾波矩陣 一組固定的權重 因為每個神經元的多個權重固定，所以又可以看做乙個恆定的濾波器filter 做內積 逐個元素相乘再求和 的操作就是所謂的 卷積 操作，也是卷積神經網路的名字 非嚴格意義上來講，下圖中紅框框起來的部分便可以理解為...
BAT機器學習面試系列 一
1.請簡要介紹下tensorflow的計算圖 tensorflow是乙個通過計算圖的形式來表述計算的程式設計系統，計算圖也叫資料流圖，可以把計算圖看做是一種有向圖，tensorflow中的每乙個節點都是計算圖上的乙個tensor,也就是張量，而節點之間的邊描述了計算之間的依賴關係 定義時 和數學操作...
BAT面試經驗分享（機器學習演算法崗）
阿里 對於大資料方面的問題可參考 二面 相隔時間有三周左右，本來以為沒戲了 二面是個大叔，問了專案中的fm和ffm的區別 參考問的主要是專案上的，問了天池大資料比賽的一些問題，因為說了平時會關注最新技術動態，因為就叫我舉個例子，剛好看過微軟識花的那篇文章就好好講了下。最後問了下工作地啥的。二面就40...