招商银行信用卡中心2019秋招IT笔试AI试题解析

这篇文档是关于招商银行信用卡中心2019年秋季招聘IT岗位笔试的AI方向试题。其中包含了多项选择题，涉及了机器学习、数据挖掘、深度学习以及统计学习方法等多个知识点。 1. **K-Means聚类算法**： K-Means是一种常见的无监督学习算法，用于数据的聚类。描述中提到的正确选项是： - 错误：不需要指定簇的个数（实际上需要预先设定K值） - 错误：不能自动识别簇的个数 - 正确：对异常点不敏感（K-Means对离群值敏感，它们可能导致聚类中心移动） - 错误：聚类结果与中心点的初始化无关（初始化会影响最终的聚类结果） 2. **决策树算法**： - ID3算法使用信息增益作为选择切分特征的依据。 - C4.5算法改进了ID3，使用信息增益率，考虑了特征划分的纯度和划分后的信息熵。 - CART（分类和回归树）使用基尼系数进行特征选择。 - 随机森林是集成学习方法，不以单一的基尼系数或信息增益为依据。 3. **TensorFlow中的函数**： - xw_plus_b()是神经网络中加权求和操作，其中`weights`参数通常是一个2维张量，对应输入数据的权重。 4. **CNN网络**： - 对于输入为255*255 RGB图像，经过步长为4、无填充、11*11的卷积层后，图像尺寸可以通过公式 `(原尺寸 - 卷积核尺寸 + 2 * 边界填充) / 步长 + 1` 计算，这里为 `(255 - 11 + 2 * 0) / 4 + 1 = 62`。 - 卷积核参数量为：卷积核尺寸（11*11）乘以输入通道数（3）加上一个偏置项，即 `11*11*3+1=364`。 5. **隐马尔可夫模型（HMM）**： - 提到的问题是用Viterbi算法解决的，通过状态转移概率矩阵和观测概率矩阵来找到最有可能的天气序列。给定观测序列{咖啡馆、游乐场、电影院}，计算出最可能的天气序列是{阴天、阴天、雨天}。 6. **过拟合缓解**： - 增加样本、提前终止（早停法）和Dropout都是减少过拟合的常用方法。 - 建立更复杂模型通常会导致过拟合，而不是减轻过拟合。 7. **评估指标**： - 准确率是真正例（TP）除以真正例加假正例（TP+FP）。 - 召回率是真正例除以真正例加假反例（TP+FN）。 - F1-score是2倍的真正例除以2倍真正例加假正例加假反例（2TP/(2TP+FP+FN)），它是准确率和召回率的调和平均。 8. **错误的表述**： - 选项d错误地将F1-score表述为准确率乘以召回率除以它们的和，实际上F1-score是精确率和召回率的调和平均，即2倍精确率和召回率的乘积除以它们的和。