招商银行信用卡中心2019秋招IT笔试(AI方向第三批)

时长:120分钟 总分:100分

144浏览 0人已完成答题

题型介绍
题型 单选题 多选题 填空题 简答题
数量 14 6 2 3
1.
一个有偏的硬币,抛了100次,出现1次人头,99次字。请用最大似然估计(M...
问题详情

一个有偏的硬币,抛了100次,出现1次人头,99次字。请用最大似然估计(ML)和最小均方误差(LSE)估计出现人头的概率

2.
以下哪个不属于过拟合解决方式
问题详情




3.
下列有关bagging和boosting的选项哪个正确
问题详情




4.
下列关于LDA(Latent Dirichlet Al...
问题详情

下列关于LDA(Latent Dirichlet Allocation) 描述中错误的是




5.
关于batch gradient descent,&n...
问题详情

关于batch gradient descent, mini-batch gradient descent, stochastic gradient descent,下列叙述错误的是




6.
 以下哪些分类器是线性分类器
问题详情





7.
投掷一枚规整的6面骰子(点数1~6),求掷出的点数的期望和方差
问题详情




8.
服从均值为10的正态分布,已知P(X<=30)=0.7,求P(X&l...
问题详情

服从均值为10的正态分布,已知P(X<=30)=0.7,求P(X<=-10)




9.
仅有A和B两个状态的状态机,初始概率P(s0=A)=1/3,P(s0=B)...
问题详情

仅有A和B两个状态的状态机,初始概率P(s0=A)=1/3,P(s0=B)=2/3),条件转移概率P(A|A)=1/3,P(B|A)=2/3,P(B|B)=2/3,P(A|B)=1/3,求P(s5=A)=?




10.
算法在数据集上的测试结果是:真正例80个,假正例20个,假反例30个,真反...
问题详情

算法在数据集上的测试结果是:真正例80个,假正例20个,假反例30个,真反例70个。问查准率和查全率分别是多少?




11.
节点数为88的三叉树,深度最少为多少?(根节点深度为1)
问题详情




12.
堆栈的入栈顺序分别是[1,2,3,4,5],出栈顺序不可能是?
问题详情




13.
下面关于排序算法空间复杂度说法不正确的是:
问题详情




14.
下面不属于非监督学习的是:
问题详情




15.
以下属于生成模型的是:
问题详情




16.
以下不是优化方法的是:
问题详情




17.
关于随机森林描述正确的是:
问题详情




18.
下列说法正确的是?
问题详情




19.
A盒有10个白球、20个黑球70个红球,B盒有30个白球、40个黑球和30...
问题详情

A盒有10个白球、20个黑球70个红球,B盒有30个白球、40个黑球和30个红球,以0.4概率选择A盒、0.6概率选择B盒,随机取出一个球。下列说法正确的有?




20.
在机器学习的特征选择过程中,可以用到的方法有
问题详情




21.
挑选代表
问题详情

我们有很多区域,每个区域都是从a到b的闭区间,现在我们要从每个区间中挑选至少2个数,那么最少挑选多少个? 输入描述: 第一行是N(N<10000),表示有N个区间,之间可以重复
然后每一行是ai,bi,持续N行,表示现在区间。均小于100000输入样例: 4 4 7 2 4 0 2 3 6 输出描述: 输出一个数,代表最少选取数量。输出样例 4
22.
数据是算法的基础,在实验室做的课题,数据都是确定的。但是在实际工作中,数据...
问题详情

数据是算法的基础,在实验室做的课题,数据都是确定的。但是在实际工作中,数据往往是不确定的。现在我们假设一个场景,我们有很多用户在伪造信息,我们想做一个模型去识别这些伪造信息的用户,请问下,在该种情况下,怎么收集数据,有哪些点需要注意的?
23.
目的地最短步数
问题详情

考虑你从家出发步行去往一处目的地,该目的地恰好离你整数单位步长(大于等于1)。你只能朝向该目的地或者背向该目的地行走,而你行走的必须为单位步长的整数倍,且要求你第N次行走必须走N步。
请就给出目的地离你距离,判断你是否可以在有限步内到达该目的地。如果可以到达的话,请计算到达目的地的最短总步数(不能到达则输出-1)。
输入描述: 1个整数:目的地离你距离T输入样例: 2 输出描述: 1个整数:最短总步数(进行了多少次行走)输出样例 3
24.
关于下列机器学习理论上的各种描述,请选择下列正确的选项
问题详情




25.
已知一组数据yi,服从于泊松分布(其数学期望参数为)...
问题详情

已知一组数据yi,服从于泊松分布(其数学期望参数为)。我们知道与另一组数据xi有关并且希望用 来预测。 我们采用指数回归方法
请根据最大似然估计准则写出其损失函数并且根据损失函数的性质判断其是否可解。 最后我们希望使用基于梯度下降的方法来解决这个问题,请写出基本的思路和必要迭代公式(可使用梯度下降法的变种)。