资讯详情

①、机器学习

下列哪个不属于CRF模型对于HMM和MEMM模型的优势( )

A：特征灵活

B：速度快

C：可容纳较多上下文信息

D：全局最优

答案：B

解析：HMM模型是对转移概率和表现概率直接建模，统计共现概率。而MEMM模型是对转移概率和表现概率建立联合概率，统计时统计的是条件概率。CRF是在给定需要标记的观察序列的条件下，计算整个标记序列的联合概率分布，而不是在给定当前状态条件下，定义下一个状态的状态分布。MEMM容易陷入局部最优，是因为MEMM只在局部做归一化。CRF模型中，统计了全局概率，在做归一化时，考虑了数据在全局的分布，而不是仅仅在局部归一化，这样就解决了MEMM中的标记偏置的问题。

CRF没有HMM那样严格的独立性假设条件，因而可以容纳任意的上下文信息，特征设计灵活。CRF需要训练的参数更多，与MEMM和HMM相比，它存在训练代价大、复杂度高的缺点。

②、概率

假设一个完整的扑克牌有52张牌，2黑色(黑葵和梅花)和2红色(方块和红心)。如果给你一副完整的牌，和半副牌(1红色和1黑色)，则两种情况下抽两张牌都是红色的概率是多少( )

A：1/2，1/2

B：25/102，12/50

C：50/51，24/25

D：25/51，12/25

答案：B

解析：一副牌，第一张为红色的概率为26/52，第二张为红色的概率为25/51，两张都为红色的概率为：26/52*25/51=25/102

半副牌，第一张为红色的概率为13/26，第二张为红色的概率为12/25，两张都为红色的概率为：13/26*12/25=12/50

③、机器学习

下面关于ID3算法中说法错误的是( )

A：ID3算法要求特征必须离散化

B：信息增益可以用熵，而不是GINI系数来计算

C：选取信息增益最大的特征，作为树的根节点

D：ID3算法是一个二叉树模型

答案：D

解析：ID3算法的核心思想是以信息增益度量属性选择，选择分裂后信息增益最大的属性进行分裂。ID3算法的局限是它的属性只能取离散值，为了使决策树能应用于连续属性值情况，可以使用ID3的一个扩展算法C4.5算法。BC选项都是ID3算法的特点。ID3算法生成的决策树是一棵多叉树，分支的数量取决于分裂属性有多少个不同的取值。因此D选项错误。