织梦CMS - 轻松建站从此开始!

亚洲城

当前位置: 首页 > 百科 >

关于集成建模,40个给我的爸爸是幽灵数据科学家技能测试题及解

时间:2018-12-07 01:17来源:ca88亚洲城娱乐 作者:王建国 点击:
大数据文摘作品,转载请注明来源 编译 | 曹翔,沈爱群,寒小阳 介绍 集成建模是提高个人机器学习模型能力的有效

关于集成建模,40个给数据科学家技能测试题及解答

2017-03-20 06:50 来源:大数据文摘

原标题:关于集成建模,40个给数据科学家技能测试题及解答

大数据文摘作品,转载请注明来源

编译 | 曹翔,沈爱群,寒小阳

介绍

集成建模是提高个人机器学习模型能力的有效方法。如果你想在任何机器学习竞赛排行榜排名靠前,或者你想改进你正在构建的模型,那么集成建模就是你接下来要走的路。

下面这张图片总结了集成模型的力量:

关于集成建模,40个给我的爸爸是幽灵数据科学家技能测试题及解

考虑到集成建模的重要性,我们决定给出40道题目测试我们社区关于集成建模的问题。测试包括整体建模的基础及其实际应用。

总共有1411名参与者注册了技能测试。如果你错过了测试,这里你将有有机会看看你能答对多少问题。

↓↓↓继续往下读!

关于集成建模,40个给我的爸爸是幽灵数据科学家技能测试题及解

问答

1

以下哪个算法不是集成方法的示例?

A.额外树回归/ Extra Tree Regressor

B.随机森林

C.梯度增强

D.决策树

解析:(D)

选项D是正确答案。在决策树的情况下,我们构建单个树并且不需要任何集成。

2

以下哪一项关于集成分类器的说法是正确的?

1.更“肯定”的分类器可以更坚定的投票

2.分类器关于空间的某一特定部分可以更“确定”

3.大多数时候,它的性能优于单个分类器

A. 1和2

B. 1和3

C. 2和3

D.以上所有

解决方案:(D)

在集成模型中,我们给具有较高精度的分类器赋予较高的权重。也就是说,这些分类器有更确信的投票。另一方面,较弱的模型对问题的具体领域肯那个更“擅长”。 通过对较弱模型的集成,我们可以聚合他们的可靠部分的结果。

最终的结果将比单个较弱模型的结果好得多。

3

以下哪些有关集成建模的好处是正确的?

1.更好的表现

2.广义模型

3.更好的可解释性

A. 1和3

B. 2和3

C. 1和2

D. 1,2和3

解析:(C)

1和2是集成建模的好处。 选项3是不正确的,因为当我们集成多个模型时,我们就失去了模型的可解释性。

4

对于为一个集成学习挑选基础模型,以下哪项是正确的?

1.不同模型可能掌握相同算法并且不同超参数

2.不同模型可能掌握不同的算法

3.不同模型可能掌握不同的训练空间

A. 1

B. 2

C. 1和3

D. 1,2和3

解析:(D)

我们可以遵循上面提到的任何或者所有选项来创建一个集成,由此发现选项D是正确的。

5

【判断】集成学习只适用于监督式学习方法。

A.正确

B.错误

解析:(B)

通常,我们将集成技术用于监督式学习算法。但是,你可以将集成用于非监督式学习算法。

参考资料(https://en.wikipedia.org/wiki/Consensus_clustering)。

6

【判断】当模型中存在显著的多样性时,集成将产生坏的结果。

注意:所有独立的模型都有有意义的、良好的预测。

A.正确

B.错误

解析:(B)

集成是一门将多种学习者(个体模型)组合在一起以提高模型的稳定性和预测能力的学问。因此,创建多样化模型的集成是得到更好的结果的非常重要的一个因素。

7

下面哪些关于在集成建模中使用的较弱模型是正确的?

1. 他们有比较低的方差,而且他们通常不会过度拟合

2. 他们有很高的偏差,所以他们不能解决困难的学习问题

3. 他们有很大的差异,并且他们通常不会过度拟合

A. 1和2

B. 1和3

C. 2和3

D. 以上都不是

解析:(A)

能力较弱的学习者(模型)对于问题的某一特定部分都比较确定。因此,低方差和高偏差的能力较弱的学习者往往不会过度拟合。

8

【判断】分类器的集成可能或可能不比其中任何一个独立模型更准确。

A. 正确

B. 错误

解析:(A)

通常,集成将会改进模型,但它不一定百分百正确。 因此,选项A是正确的。

9

【判断】如果你使用一个不同基本模型的集成,是否有必要调整所有基本模型的超参数以提高整体表现?

A. 是

B. 否

C. 无法确定

解析:(B)

调整是不必要的。能力较弱的学习者(模型)的集成也可以产生一个好的模型。

10

一般来说,如果独立基本模型____________,集成方法的效果就更好。

注意:假设每个独立的基本模型有大于50%的精确度。

A.预测之间的相关性较低

B.预测之间的相关性较高

C.相关性对集成输出没有任何影响

D.以上都不对

解析:(A)

集成建模成员之间较低的相关性可以提高模型的误差校正能力。所有在集成建模时,优选使用具有低相关性的模型。

11

在选举中,N个候选人相互竞争,人们对候选人投票。选民投票时互不沟通。

下面的集成方法中哪一个类似于上面讨论的选举程序?

提示:人就像集成方法中的基本模型。

A.Bagging

B.提升/Boosting

C.A或B.

D.以上都不是

解析:(A)

在bagging集成中,各个模型的预测不会彼此依赖。所以A选项是正确的。

12

假设给你基于'n'个不同的模型(M1,M2,…, Mn)对测试数据给出'n'个预测。下列哪些方法可以用于组合对这些模型的预测?

注意:我们正在处理一个回归问题

1.中位数;2.产品;3.平均;4.加权总和;5.最小和最大;6.广义平均规则

A. 1,3和4

B. 1, 3和6

C. 1, 3, 4和6

D.以上所有

解析:(D)

所有上述选项都是用于聚合不同模型的结果的有效方法(在回归模型的情况下)。

13

假设,您正在处理一个二分类问题。并且有3个70%的精确度的模型。

如果你想使用多数表决方法来集成这些模型。那你能得到的最大精确度是多少?

A. 100%

B. 78.38%

C. 44%

D. 70

解析:(A)

参考下表列出的模型M1,M2和M3。

实际输出

 

M1

 

M2

 

M3

 

输出

 

1

 

1

 

0

 

1

 

1

 

1

 

1

 

0

 

1

 

1

 

1

 

1

 

0

 

1

 

1

 

1

 

0

 

1

 

1

 

1

 

1

 

0

 

1

 

1

 

1

 

1

 

0

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

0

 

1

 

1

 

1

 

1

 

0

 

1

 

1

 

1

 

1

 

0

 

1

 

14

如果你想使用多数表决来集成这些模型。你能得到的最小精确度是多少?

A.总是大于70%

B.总是大于等于70%

C.可能小于70%

D.以上都不是

解析:(C)

参考下表列出的模型M1,M2和M3。

实际输出

 

M1

 

M2

 

M3

 

输出

 

1

 

1

 

0

 

0

 

0

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

0

 

0

 

0

 

1

 

0

 

1

 

0

 

0

 

1

 

0

 

1

 

1

 

1

 

1

 

0

 

0

 

1

 

0

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

15

我们如何对一个集合中的不同模型的输出分配权重?

1.使用算法返回最佳权重;2.使用交叉验证选择权重;3.给更精确的模型赋予高权重

A. 1和2

B. 1和3

C. 2和3

D.以上所有

解析:(D)

以上所有决定集成中单个模型的权重的选项都是正确的。

16

下列哪一个关于平均集成的选项是正确的?

A.它只能用于分类问题

B.它只能用于回归问题

C.它既可以用于分类问题也可以用于回归问题

D.以上都不是

解析:(C)

在分类和回归中都可以使用平均集成。在分类中,您可以对预测概率进行平均,而在回归中,您可以直接平均不同模型的预测。

17

假设你对5个测试观察给出了预测。

预测= [0.2,0.5,0.33,0.8]

以下哪项是这些预测的平均产出排序?

提示:您正在使用最小 - 最大缩放

A. [0.,0.66666667,0.333333333,1.1]

B. [0.1210,0.666666667,0.95,0.33333333]

C. [0.1210,0.666666667,0.333333333,0.95]

D.以上都不是

解析:(A)

可以应用以下步骤来获取选项A的结果

1.给出预测的排名

2.对这些排名使用最小最大缩放比例

你可以在python中运行以下代码来获得所需的结果。

关于集成建模,40个给我的爸爸是幽灵数据科学家技能测试题及解

18

(责任编辑:admin)
织梦二维码生成器
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片
栏目列表
推荐内容