题目部分来自牛客网的专项练习，解答部分有的参考了网友们的评论。

也有一部分题目来自知乎专栏BAT机器学习面试1000题。

这是一篇查漏补缺的帖子，所以只放了一些我不熟悉的知识点，或者是做错的题目。

贝叶斯

假定某同学使用Naive Bayesian（NB）分类模型时，不小心将训练数据的两个维度搞重复了，那么关于NB的说法中正确的是：

A. 这个被重复的特征在模型中的决定作用会被加强

B. 模型效果相比无重复特征的情况下精确度会降低

C. 如果所有特征都被重复一遍，得到的模型预测结果相对于不重复的情况下的模型预测结果一样。

D. 当两列特征高度相关时，无法用两列特征相同时所得到的结论来分析问题

E. NB可以用来做最小二乘回归

F. 以上说法都不正确

正确答案是BD。

NB的核心在于它假设向量的所有分量之间是独立的。

在贝叶斯理论系统中，都有一个重要的条件独立性假设：假设所有特征之间相互独立，这样才能将联合概率拆分。

重复的数据维度会破坏独立性。

CNN

输出的大小

输入图片大小为200×200，依次经过一层卷积（kernel size 5×5，padding 1，stride 2），pooling（kernel size 3×3，padding 0，stride 1），又一层卷积（kernel size 3×3，padding 1，stride 1）之后，输出特征图大小为：

答案为97。

输出尺寸=(输入尺寸-filter尺寸+2*padding）/stride+1

计算尺寸不被整除只在GoogLeNet中遇到过。卷积向下取整，池化向上取整。

本题：（200-5+2*1）/2+1 为99.5，取99

           （99-3）/1+1 为97

           （97-3+2*1）/1+1 为97

研究过网络的话看到stride为1的时候，当kernel为 3 padding为1或者kernel为5 padding为2 一看就是卷积前后尺寸不变。

SVM

下列关于核函数的表述正确的是______：
高斯核函数将特征映射到无穷维

高斯核函数可以通过傅里叶展开为无穷项，而每项都是一个多项式核函数。

错误的选项为：​

核函数即特征的映射关系。

多项式核函数只是将原始特征映射，并没有升维。

使用线性核函数的SVM是非线性分类器。

下列哪项是SVM的优势_____​：

可以和核函数结合、通过调参可以往往可以得到很好的分类效果、泛化能力好

​错误选项是：SVM训练快（训练没有快，但是测试快（因为稀疏了））
 

最后

以上就是追寻山水为你收集整理的机器学习专项练习贝叶斯CNNSVM的全部内容，希望文章能够帮你解决机器学习专项练习贝叶斯CNNSVM所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。