最近学姐在想关注我的同学学什么方向的都有，怎么能让你们同台竞技呢？直到学姐看到一直关注的大佬的公众号搞得答题推文，就把这些题整理了一下今天考考你们，看看你们能不能答对！

一共18道题，时间不限，可以查资料但不能不答题就看答案。

问题1

假设有一个的dataframe类型的表格df，其有一列A为数值类型。其中下面哪个操作会报错？

• A. df['A'].mean()

• B. df['A'].ptp()

• C. df['A'].std()

• D. df['A'].min()

问题2

给定数值分布的情况下，箱线图计算得到离群点的方式是？

• A. 计算Q1=30%分位点，和Q3=70%分位点，然后范围Q1-1.5*(Q3-Q1) - Q3+1.5*(Q3-Q1)为正常数值范围

  
  

• B. 计算Q1=25%分位点，和Q3=75%分位点，然后范围Q1-1.5*(Q3-Q1) - Q3+1.5*(Q3-Q1)为正常数值范围

问题3

使用LightGBM训练模型，可以计算得到的特征重要性。特征重要性一定可以代表特征的有效性。

• A. 正确

• B. 错误

问题4

在训练深度学习模型时，SGD和Adam哪一个占用的显存/内存更大？

• A. SGD

• B. Adam

问题5

讯飞人脸关键点检测比赛需要选手识别出人脸的4个关键点，给定的图像尺寸为96*96。关键点坐标作为标签，此时损失函数和标签处理方法哪种最好?

• A. 损失为交叉熵，标签不做处理

• B. 损失为MAE，标签不做处理

• C. 损失为交叉熵，标签坐标除以96

• D. 损失为MAE，标签坐标除以96

问题6

下列哪一个库中的树模型，不能使用GPU？

• A. LightGBM

• B. XGBoost

• C. sklearn

• D. CatBoost

问题7

哪些机器学习算法不需要做归一化处理？

• A. Adaboost

• B. SVM

• C. LR

• D. 树模型

问题8

剪枝是防止树模型过拟合的方法，在随机森林中需要做后剪枝操作吗？

• A. 不需要

• B. 需要

问题9

下列哪种特征信息，树模型（XGBoost、LightGBM、CatBoost）是学习不到的？

• A. Label Encoder

• B. Target Encoder

• C. Count Encoder

问题10

在深度学习模型训练中，batch size和学习率是非常重要的超参数：

• A. batch size越大，学习率应该变小

• B. batch size越大，学习率应该变大

• C. batch size和学习率互不影响

• D. 两者不满足上述所有关系

问题11

Bert模型是非常强大的NLP模型，可以用于完成？

• A. 文本分类

• B. 词性表述

• C. 文本问答

• D. 多项选择

• E. 全都要（上面功能都可以）

问题12

对抗训练是使用对抗样本来增加模型的建模能力，可以增加NLP模型的建模能力：

• A. 对抗训练是Embedding矩阵进行的

• B. 对抗训练是网络所有参数进行的

• C. 对抗训练是网络全连接层进行的

本文考题收集整理自Coggle数据科学公众号，如有侵权请联系删除~

扫码关注学姐公众号

回复【参考答案】即可获取答案！