Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ
Bài kiểm tra câu hỏi phỏng vấn về học máy
Đánh giá các bài kiểm tra, chính quy hóa, cân bằng số liệu và cách hướng dẫn phỏng vấn công khai cung cấp thông tin cho việc chuẩn bị mà không hứa hẹn một danh sách câu hỏi chính xác.
Câu hỏi 1 của 8
Tại sao độ chính xác có thể bị sai lệch trên một tập dữ liệu mất cân bằng cao?
Xem trước mọi câu hỏi8 câu hỏi
Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.
- Tại sao độ chính xác có thể bị sai lệch trên một tập dữ liệu mất cân bằng cao?
- Độ chính xác không phụ thuộc vào phân bố lớp
- Độ chính xác luôn tương đương với việc thu hồi
- Người dự đoán thuộc loại đa số có thể đạt điểm cao trong khi thiếu hầu hết các mặt tích cực hiếm gặp
- Độ chính xác bỏ qua mọi tiêu cực được dự đoán chính xác
- Số liệu nào trực tiếp đo lường tỷ lệ các kết quả dương tính được dự đoán là chính xác?
- Độ chính xác
- thu hồi
- Độ chính xác
- Tỷ lệ âm tính giả
- Ứng viên nên lựa chọn như thế nào giữa mức độ ưu tiên về độ chính xác và mức độ thu hồi?
- Luôn tối đa hóa độ chính xác bất kể ứng dụng
- Chọn số liệu có giá trị số lớn nhất
- Bỏ qua ngưỡng dự đoán
- Liên hệ sự lựa chọn với chi phí tương đối của kết quả dương tính giả và âm tính giả
- What does regularization seek to balance during model training?
- Replace validation with training performance
- Fit to the data while limiting unnecessary model complexity
- Increase training error without considering generalization
- Maximize the number of features regardless of evidence
- A model performs much better on training data than validation data. Which next step is most grounded?
- Add features before checking the split
- Change the test labels to match training
- Check generalization, data splits, and possible leakage before choosing a fix
- Report the training metric as expected production quality
- Which preparation areas does Microsoft’s public guide name for AI/ML interviews?
- Only memorizing product names
- Only writing research papers
- Only designing mobile interfaces
- Đánh giá mô hình, lập hồ sơ, tối ưu hóa và áp dụng các nguyên tắc ML
- Ứng viên nên xử lý các lời nhắc phỏng vấn mẫu trong hướng dẫn này như thế nào?
- Là một kỳ thi chứng chỉ
- Là lời nhắc thực hành, không phải là danh sách câu hỏi được đảm bảo
- Là những câu hỏi chính xác được mọi nhà tuyển dụng sử dụng
- Thay thế cho tin tuyển dụng
- Làm thế nào ứng viên có thể làm cho câu trả lời về sự đánh đổi theo mô hình trở nên hữu ích?
- Nêu rõ các giả định, đường cơ sở, thước đo và bằng chứng nào có thể thay đổi quyết định
- Đặt tên cho mô hình phức tạp nhất hiện có
- Tránh thảo luận về dữ liệu hoặc lỗi
- Nêu rõ một số liệu mà không giải thích mức độ liên quan của nó