小红书2020春招错题及解析

1. 小红书2020春招

选择题

1.

 

2.

 

 

解析：以测试样本100为例；因为p=0.6，所以正样本数量是60（100% / 全部选用），负样本是40（40/0.1=400），不对负样本进行抽样，意味着负样本也是100%采用，所以p=60/（400+60）=0.13  或者0.6/（0.6+0.4/0.1）=0.13

 

3.

 

 

解析：本题样本对（一个正样本，一个负样本组成一个样本对）共有3*2=6个，分别是（B，A）（B，D）（C，A）（C，D）（E，A）（E，D）。模型A对应概率为(0.4,0.2)，(0.4,0.3)，(0.7,0.2)，(0.7,0.3)，(0.5,0.2)，(0.5,0.3)，可得其对应AUC为：(1+1+1+1+1+1)/6 = 1。同理，模型B也等于1。

4.

 

解析; 准确率（Accuracy）、精确率(Precision)、召回率(Recall)、F值(F-Measure)、AUC、ROC=的理解

 

 

 准确率（正确率）=所有预测正确的样本/总的样本  （TP+TN）/总

 

 精确率=  将正类预测为正类 / 所有预测为正类 TP/（TP+FP）

 

 召回率 = 将正类预测为正类 / 所有正真的正类 TP/（TP+FN）

 

 F值 = 精确率 * 召回率 * 2 / ( 精确率 + 召回率) （F 值即为精确率和召回率的调和平均值）

 

ROC曲线：ROC曲线：接收者操作特征(receiver operating characteristic),roc曲线上每个点反映着对同一信号刺激的感受性。

 

纵轴：真正类率(true postive rate TPR，TPR: TP/(TP+FN))，也叫真阳性率

 

横轴：假正类率(false postive rate FPR，FPR: FP/(FP+TN))，也叫伪阳性率

 

AUC(Area under Curve)：Roc曲线下的面积，介于0.1和1之间。AUC作为数值可以直观的评价分类器的好坏，值越大越好

 

5.

 

解析：qps是每秒查询率 相当于要处理的任务 任务从100变成150 效率从40变成60 时间从53变成多少? 53*（150/100）=80最接近70,因为CPU利用率的提高并不会增加并发数，而qps=并发数/响应时间

6.

 

 

解析：Dropout率（keep_prob）为保留一个神经元为激活状态的概率.Dropout率越高，意味着更多神经元是激活的，正规化程度越低。Dropout是bagging的近似集成，dropout可以随机的让一部分神经元失活,这样仿佛是bagging的采样过程,因此可以看做是bagging的廉价的实现. 使用Dropout的目的是为了防止过拟合，增加keep_prob，训练集的错误会降低。

 

7.

8.

 

解析： 增加网络层数，可能会增加测试集分类错误率

 

9.