[2021年秋招笔试记录]OPPO_8.29_机器学习算法A卷

最新推荐文章于 2025-05-14 13:50:51 发布

原创最新推荐文章于 2025-05-14 13:50:51 发布 · 1.4k 阅读

CC 4.0 BY-SA版权

本文深入解析了机器学习中的选择题、填空题和简答题，涵盖了卷积核计算、权重向量形状、皮尔逊相关系数、L1和L2距离等知识点，对比了KNN和K-means算法的区别，探讨了MSE和logloss的表达式及其应用场景，并解释了泛化能力和FM模型的优势。

题型

选择题（机器学习）
填空题（卷积核计算；输入层（8个神经元）到隐藏层（5个）权重向量的shape；隐藏层到输出层（1个）的权重向量shape；两个向量的皮尔逊相关系数；两个向量的L1距离和L2距离）
简答题
- KNN和K-means的三个区别；K的含义有什么不同
- MSE和logloss表达式；适用场景
- 泛化能力指的是什么；FM表达式；FM为什么比LR泛化能力好
编程题1 - 不调试；手写
- 输入 [[‘aa’,‘bb’,‘cc’], [‘AA’,‘BB’], [‘11’,‘22’]]
- 输出：[[‘aa’, ‘AA’, ‘11’], [‘aa’, ‘AA’, ‘22’], [‘aa’, ‘BB’, ‘11’], [‘aa’, ‘BB’, ‘22’], [‘bb’, ‘AA’, ‘11’], [‘bb’, ‘AA’, ‘22’], [‘bb’, ‘BB’, ‘11’], [‘bb’, ‘BB’, ‘22’], [‘cc’, ‘AA’, ‘11’], [‘cc’, ‘AA’, ‘22’], [‘cc’, ‘BB’, ‘11’], [‘cc’, ‘BB’, ‘22’]]
编程题2 跳台阶问题；和剑指offer上的跳台阶差不多