BAT机器学习面试1000题系列（71-75题）
BAT机器学习面试1000题系列（71-75题）
71.请写出一段Python代码实现删除一个list里面的重复元素 @Tom_junsong，http://www.cnblogs.com/tom-gao/p/6645859.html
1,使用set函数，set(list)
2，使用字典函数，
>>>a=[1,2,4,2,4,5,6,5,7,8,9,0]
>>> b={}
>>>b=b.fromkeys(a)
>>>c=list(b.keys())
>>> c
72.编程用sort进行排序，然后从最后一个元素开始判断 a=[1,2,4,2,4,5,7,10,5,5,7,8,9,0,3]
@Tom_junsong，http://www.cnblogs.com/tom-gao/p/6645859.html
a.sort()
last=a[-1]
for i inrange(len(a)-2,-1,-1):
if last==a[i]:
del a[i]
else:last=a[i]
print(a)
73.Python里面如何生成随机数？ @Tom_junsong，http://www.cnblogs.com/tom-gao/p/6645859.html
random模块
随机整数：random.randint(a,b)：返回随机整数x,a<=x<=b
random.randrange(start,stop,[,step])：返回一个范围在(start,stop,step)之间的随机整数，不包括结束值。
随机实数：random.random( ):返回0到1之间的浮点数
random.uniform(a,b):返回指定范围内的浮点数。更多Python笔试面试题请看：http://python.jobbole.com/85231/
74.说说常见的损失函数
对于给定的输入X，由f(X)给出相应的输出Y，这个输出的预测值f(X)与真实值Y可能一致也可能不一致（要知道，有时损失或误差是不可避免的），用一个损失函数来度量预测错误的程度。损失函数记为L(Y, f(X))。
常用的损失函数有以下几种（基本引用自《统计学习方法》）：
如此，SVM有第二种理解，即最优化+损失最小，或如@夏粉_百度所说“可从损失函数和优化算法角度看SVM，boosting，LR等算法，可能会有不同收获”。关于SVM的更多理解请参考：http://blog.csdn.net/v_july_v/article/details/7624837
75.简单介绍下logistics回归
Logistic回归目的是从特征学习出一个0/1分类模型，而这个模型是将特性的线性组合作为自变量，由于自变量的取值范围是负无穷到正无穷。因此，使用logistic函数（或称作sigmoid函数）将自变量映射到(0,1)上，映射后的值被认为是属于y=1的概率。
假设函数
其中x是n维特征向量，函数g就是logistic函数。
而
的图像是
可以看到，将无穷映射到了(0,1)。
而假设函数就是特征属于y=1的概率。
从而，当我们要判别一个新来的特征属于哪个类时，只需求
即可，若
大于0.5就是y=1的类，反之属于y=0类。
此外，
只和
有关，
>0，那么
，而g(z)只是用来映射，真实的类别决定权还是在于
。再者，当
时，
=1，反之
=0。如果我们只从
出发，希望模型达到的目标就是让训练数据中y=1的特征
，而是y=0的特征
。Logistic回归就是要学习得到
，使得正例的特征远大于0，负例的特征远小于0，而且要在全部训练实例上达到这个目标。
接下来，尝试把logistic回归做个变形。首先，将使用的结果标签y = 0和y = 1替换为y = -1,y = 1，然后将
（
）中的
替换为b，最后将后面的
替换为
（即
）。如此，则有了
。也就是说除了y由y=0变为y=-1外，线性分类函数跟logistic回归的形式化表示
没区别。
进一步，可以将假设函数
中的g(z)做一个简化，将其简单映射到y=-1和y=1上。映射关系如下：
文章被以下专栏收录
推荐阅读
各种分布图|Python随机模块22个函数详解
Python随机函数random使用详解
九章算法 | 字节跳动面试题：用Rand7()实现Rand10()
PLC如何产生一个随机数（含代码）
在剑指工控群里，一群友问PLC如何产生随机数，曾记得除了三菱PLC之外其他常规品牌好像没有提供专门的随机函数。这里就整理两种产生随机数的方法： 第一种最简单直接的方法：此方法使用的是…
浙公网安备 33010602011771号
还没有评论