《BAT機器學習面試1000題》系列作為國內首個AI題庫，囊括絕大部分機器學習和深度學習的筆試面試題、知識點，可以作為機器學習自測題，也可以當做查漏補缺的資料庫。七月線上AI題庫見“閱讀原文”（點進頁面掃碼下載APP)

311、下面哪些對「型別 1（Type-1）」和「型別 2（Type-2）」錯誤的描述是正確的？

A. 型別 1 通常稱之為假正類，型別 2 通常稱之為假負類。
B. 型別 2 通常稱之為假正類，型別 1 通常稱之為假負類。
C. 型別 1 錯誤通常在其是正確的情況下拒絕假設而出現。
答案為(A)和(C)：在統計學假設測試中，I 類錯誤即錯誤地拒絕了正確的假設即假正類錯誤，II 類錯誤通常指錯誤地接受了錯誤的假設即假負類錯誤。

312、在下面的影象中，哪一個是多元共線（multi-collinear）特徵？

A. 圖 1 中的特徵
B. 圖 2 中的特徵
C. 圖 3 中的特徵
D. 圖 1、2 中的特徵
E. 圖 2、3 中的特徵
F. 圖 1、3 中的特徵
答案為（D）：在圖 1 中，特徵之間有高度正相關，圖 2 中特徵有高度負相關。所以這兩個圖的特徵是多元共線特徵。

313、鑑別了多元共線特徵。那麼下一步可能的操作是什麼？
A. 移除兩個共線變數

B. 不移除兩個變數，而是移除一個
C. 移除相關變數可能會導致資訊損失，可以使用帶罰項的迴歸模型（如 ridge 或 lasso regression）。
答案為（B）和（C）：因為移除兩個變數會損失一切資訊，所以我們只能移除一個特徵，或者也可以使用正則化演算法（如 L1 和 L2）。

314、給線性迴歸模型新增一個不重要的特徵可能會造成？

A. 增加 R-square

B. 減少 R-square
答案為（A）：在給特徵空間添加了一個特徵後，不論特徵是重要還是不重要，R-square 通常會增加。

315、假定目標變數的類別非常不平衡，即主要類別佔據了訓練資料的 99%。現在你的模型在測試集上表現為 99% 的準確度。那麼下面哪一項表述是正確的？
A. 準確度並不適合於衡量不平衡類別問題
B. 準確度適合於衡量不平衡類別問題
C. 精確率和召回率適合於衡量不平衡類別問題
D. 精確率和召回率不適合于衡量不平衡類別問題
答案為（A）和（C）

往期題目：

提高學習效率，顛覆傳統刷題！