快手笔试选择题梳理(机器学习)

梳理一下快手的笔试中的选择题吧，主要是机器学习的内容，当然数学题也有一部分。

• 卷积层的存储量和计算量
  存储量：
  C(上一层卷积数量) * K(卷积核高) * K(卷积核宽) * C(这一层卷积核的数量)
  计算量：
  C(上一层卷积数量) * K(卷积核高) * K(卷积核宽) * C(这一层卷积核的数量) * W(输出特征图的宽度) * H(输出 特征图的高度)
  即为：$O(K\ast K\ast C_{in}\ast M\ast M\ast C_{out})$

这里简单说一下计算量的推导：
首先计算量为：$((K\ast K+1)\ast C_{in}+C_{in}-1)\ast M\ast M\ast C_{out}$
其中，$(K\ast K+1)$表示在一个卷积核计算时在叠加bias
乘以$C_{in}$表示在输入的channel方向进行乘积
$C_{in}-1$表示一次卷积之后$C_{in}$方向的叠加
$((K * K+1) * C_{in} + C_{in}-1) $表示最终汇聚成特征图上的一个点

乘以$M\ast M\ast C_{out}$表示在最终的输出特征图上所有点的个数
经过简化之后的计算量为：$O(K\ast K\ast C_{in}\ast M\ast M\ast C_{out})$
其中输出特征图的尺寸计算公式为：$M=(M_{in}-K+2\ast padding)/stride+1$

• 红白球各50个，按照一定分配方法放入两个框子中，一个人随即从框子中取出一个球，问如何分配才能使抓到红球的概率最大?
  首先对于两个框，选择拿球的框概率是一样的，都是0.5；
  假设从第一个框子中拿到红球的概率是p1，从第二个框子中拿到红球的概率是p2，那么最终抓取到红球的概率是p=0.5*(p1+p2)。
  此时，如果一个框子中（假设是第一个框子）只用红球，而另一个框子中有红球和白球，那么p1=1，0<p2<1，于是p=0.5 + 0.5*p2。这样的结果绝对大于0.5。
  剩下的就好想了。为了使p2尽可能地大，那么第二个框子中的红球要尽可能的多，很容易得出第一个框子放一个红球，第二个框子放49个红球和50个白球这样的结论，此时第一次抓取到红球的概率最大，约为0.75。
  稍稍扩展一下，如果小球的数量不是50个呢？那么球的数量越多，最后越接近于0.75，因为这样的p2越接近1。

• 矩阵的广义逆
  
  答案：D
  解答如下:
  对每一个mxn阶矩阵A，存在一个唯一的nxm阶矩阵M，使得下面三个条件同时成立：
  (1) AMA = A
  (2)MAM = M
  (3)AM与MA均为对称矩阵
  这样的矩阵M成为矩阵A的Moore-Penrose广义逆矩阵，记作M=A+
  当A非奇异时,也满足以上4个条件,因此M-P逆也是通常逆矩阵的推广.

• 二叉树的遍历
  前序：根节点 -> 左子树 -> 右子树
  中序：左子树 -> 根节点 -> 右子树
  后序：左子树 ->右子树 -> 根节点
  (注意根节点的位置)

• A袋中有5个白球，3个黑球，从中任取2个，颜色不一样的概率？
  这题很简单，主要是过一下概率题的计算过程：
  $(C_5^2+C_3^2)/C_8^2=13/28$， $1-13/28=15/28=0.357$

• l1范数、l2范数相关问题
  

• 算法复杂度
  
  摘自牛客网上的解答，其实也就是等比数列求和：

$T(2n)=2T(n)+2n$
$T(2n)/2n=T(n)/n+1$
令$c(n) = T(n)/n $
则 $c(2n)=c(n)+1$
$c(2n)-c(n)=1$
即 $c(2^k)-c(2^{k-1})=1$
累加求和 得
$c(2^k)=c(1)+k$
即 $T(2^k)=c(1)+k$
即 $T(2^k)=(c(1)+k)\ast (2^k)$
即$T(n)=(c(1)+log2(n))\ast n$

• 数据的存储结构
  
  答案：D
  摘自牛客网回答，算是数据结构的基础知识了：

存储结构是数据的逻辑结构用计算机语言的实现，常见的存储结构有： 顺序存储 ， 链式存储 ， 索引存储 ，以及 散列存储 。其中散列所形成的存储结构叫 散列表（又叫哈希表） ，因此哈希表也是一种存储结构。栈只是一种抽象数据类型，是一种逻辑结构，栈逻辑结构对应的顺序存储结构为顺序栈，对应的链式存储结构为链栈，循环队列是顺序存储结构，链表是线性表的链式存储结构

• 概率题
  
  设棍子的长为1，第一段长x，第二段长y，为了满足"三角形两边之和大于第三边"，有以下约束条件：
  $x+y>0.5$
  $0<x<0.5,0<y<0.5$
  $x+y<1$
  如下图所示：
  
  阴影部分为满足约束条件的x、y范围，为1/8，
  总的面积为1/2
  概率为：1/8 / 1/2 = 1/4

• 数学题
  小于1000且既不能被5整除 也不能被3整除的正整数有？个
  答案：533

能被5整除的数5n 0＜5n＜1 000 ∴0＜n＜200 有199个
能被3整除的数3n 0＜3n＜1 000 ∴0＜n≤333 有333个
能被15整除的数15n 0＜15n＜1 000 ∴0＜n≤66
不能被5也不能被3整除的数共有999-(199+333-66)=533

• 相关性
  下列哪一项能反映出 X 和 Y 之间的强相关性？
  A. 相关系数为 0.9
  B. 对于无效假设 β=0 的 p 值为 0.0001
  C. 对于无效假设 β=0 的 t 值为 30
  D. 以上说法都不对
  答案：A

解析：相关系数的概念我们很熟悉，它反映了不同变量之间线性相关程度，一般用 r 表示。

其中，Cov(X,Y) 为 X 与 Y 的协方差，Var[X] 为 X 的方差，Var[Y] 为 Y 的方差。r 取值范围在 [-1,1] 之间，r 越大表示相关程度越高。A 选项中，r=0.9 表示 X 和 Y 之间有较强的相关性。
而 p 和 t 的数值大小没有统计意义，只是将其与某一个阈值进行比对,以得到二选一的结论。例如，有两个假设：

• 无效假设（null hypothesis）H0：两参量间不存在“线性”相关。
• 备择假设（alternative hypothesis）H1：两参量间存在“线性”相关。
  如果阈值是 0.05，计算出的 p 值很小，比如为 0.001，则可以说“有非常显著的证据拒绝 H0 假设,相信 H1 假设。即两参量间存在“线性”相关。p 值只用于二值化判断，因此不能说 p=0.06 一定比 p=0.07 更好。

• 函数调用
  
  这题画个递归树就可以很清楚地看到了：
  
  当x<=2的时候就不会再继续调用了，递归树中每个节点调用了一次，一共调用了15次。