# 机器学习&编程面试笔试题
## 序言
持续整理、更新Python、机器学习(Machine Learning)、深度学习(Deep Learning)领域的面试笔试题(interview questions)。
声明:所有习题系博主花费大量精力整理,请尊重劳动成果,未经许可,禁止原文转载。
## 目录
### 机器学习
- [机器学习面试题 01-10](https://geektutu.com/post/qa-ml-1.html),[md](qa-ml/qa-ml-1.md)
- [机器学习面试题 11-20](https://geektutu.com/post/qa-ml-2.html),[md](qa-ml/qa-ml-2.md)
### Go 语言
- [Go 语言笔试面试题(基础语法)](https://geektutu.com/post/qa-golang-1.html)
- [Go 语言笔试面试题(实现原理)](https://geektutu.com/post/qa-golang-2.html)
- [Go 语言笔试面试题(并发编程)](https://geektutu.com/post/qa-golang-3.html)
- [Go 语言笔试面试题(代码输出)](https://geektutu.com/post/qa-golang-c1.html)
## 相关链接
- [知乎专栏](https://zhuanlan.zhihu.com/geektutu)
- [Go 语言笔试面试题](https://geektutu.com/post/qa-golang.html)
- [机器学习笔试面试题](https://geektutu.com/post/qa-ml.html),[Github](https://github.com/geektutu/interview-questions)
- [TensorFlow 2.0 中文文档](https://geektutu.com/post/tf2doc.html),[Github](https://github.com/geektutu/tensorflow2-docs-zh)
- [TensorFlow 2.0 图像识别&强化学习实战](https://geektutu.com/post/tensorflow2-mnist-cnn.html),[Github](https://github.com/geektutu/tensorflow-tutorial-samples)
## 选择题示例
使用决策树分类时,如果输入的某个特征的值是连续的,通常使用二分法对连续属性离散化,即根据是否大于/小于某个阈值进行划分。如果采用多路划分,每个出现的值都划分为一个分支,这种方式的最大问题是:
- A 计算量太大
- B 训练集和测试集表现都很差
- C 训练集表现良好,测试集表现差
- D 训练集表现差,测试集表现良好
<details>
<summary>答案</summary>
<div>
**C** 连续值通常采用二分法,离散特征通常采用多路划分的方法,但分支数不宜过多。
连续特征每个值都划分为一个分支,容易过拟合,泛化能力差,导致训练集表现好,测试集表现差。
</div>
</details>
对神经网络(neural network)而言,哪一项对过拟合(overfitting)和欠拟合(underfitting)影响最大。
- A 隐藏层节点(hidden nodes)数量
- B 学习速率(learning rate)
- C 初始权重
- D 每一次训练的输入个数固定
<details>
<summary>答案</summary>
<div>
**A** 过拟合和欠拟合与神经网络的复杂程度有关,模型越大越容易过拟合。隐藏层节点数量直接决定了模型的大小与复杂程度。
</div>
</details>
## 问答题示例
经验误差(empirical error)与泛化误差(generalization error)分别指?
<details>
<summary>答案</summary>
<div>
经验误差: 也叫训练误差(training error),模型在训练集上的误差。
泛化误差: 模型在新样本集(测试集)上的误差。
</div>
</details>
简述 K折交叉验证(k-fold crossValidation)。
<details>
<summary>答案</summary>
<div>
- 数据集大小为N,分成K份,则每份含有样本N/K个。每次选择其中1份作为测试集,另外K-1份作为训练集,共K种情况。
- 在每种情况中,训练集训练模型,用测试集测试模型,计算模型的泛化误差。
- 将K种情况下,模型的泛化误差取均值,得到模型最终的泛化误差。
</div>
</details>
## 附:题目主要来源
- [Machine Learning exam - CMU](http://www.cs.cmu.edu/~tom/10701_sp11/prev.shtml)
- [Andrew Ng - coursera](https://www.coursera.org/learn/machine-learning)
没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
收起资源包目录
腾讯字节机器学习&编程面试笔试题.zip (50个子文件)
qa-golang
qa-golang-1.md 9KB
qa-golang-2.md 9KB
qa-golang
go_questions.jpg 22KB
qa-golang-3.md 5KB
qa-golang.md 2KB
qa-golang-c1.md 6KB
ml
11.md 1KB
8.md 5KB
12.md 2KB
4.md 2KB
6.md 4KB
13.md 2KB
5.md 4KB
image
11.precision.png 2KB
9.cluster.question.png 40KB
11.accuracy.png 3KB
10.svm.png 18KB
11.confusion_matrix.png 14KB
14.decision_tree_eg.gif 62KB
14.entropy.jpg 19KB
6.nlp.jpg 9KB
14.gain.jpg 37KB
14.gain.ratio.jpg 35KB
11.F1.png 3KB
13.laplace.png 80KB
4.cosine.png 106KB
9.cluster.algorithms.png 827KB
8.数据清洗与特征处理.jpg 97KB
13.naive.bayes.formula.png 27KB
14.splitInfo.jpg 33KB
11.recall.png 2KB
9.md 570B
2.md 4KB
14.md 3KB
3.md 4KB
1.md 1KB
7.md 2KB
10.md 1KB
qa-ml
qa-ml-1
nbc.jpg 19KB
6_svm.jpg 9KB
overfit.jpg 15KB
qa-ml-1.md 7KB
qa-ml
interview.jpg 8KB
qa-ml-2
boosting.jpg 13KB
qa-ml-1-svm-pylot.py 442B
qa-ml.md 2KB
qa-ml-2.md 8KB
ts.py 739B
ipynb
sklearn-cluster-compare.ipynb 75KB
README.md 4KB
共 50 条
- 1
资源评论
AI拉呱
- 粉丝: 2872
- 资源: 5510
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功