【机器学习】面试题 - 抛硬币

最新推荐文章于 2024-06-19 21:47:50 发布
原创 最新推荐文章于 2024-06-19 21:47:50 发布 · 1k 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习 #面试

在SafoSafo数据科学论坛上完成了一套机器学习面试题，正确率高达80%。分享了华为抛硬币面试题的完整数学解答过程，该论坛是一个值得推荐的数据科学交流平台。

今天在SafoSafo数据科学论坛上做了套机器学习的面试题，10道题对了8个。下面碰到了一道华为抛硬币的面试题。

感觉是个不错的论坛：http://sofasofa.io/
在这里插入图片描述
我自己又做了一遍完整的数学解：
在这里插入图片描述

数据科学统计面试问题 -40问
gongdiwudu的专栏
07-24 2931
正如 Josh Wills 曾经说过的那样，“数据科学家是一个比任何程序员都更擅长统计、比任何统计学家都更擅长编程的人”。统计学是数据科学中处理数据及其分析的基本工具。它提供了工具和方法，可帮助数据科学家获得见解并解释大量数据。仅仅掌握数据科学工具和语言是不够的。您还应该对某些核心统计概念和基础知识有深刻的理解。牢记这一点，这里列出了 40 个最常见的统计数据科学面试问题和答案。它将帮助您刷新对统计学关键方面的记忆，并帮助您准备包括数据科学和机器学习在内的工作面试。
机器学习面试常见问题(三)
最新发布
没见过西瓜嘛的博客
01-15 762
数据分析师面试题、机器学习常见面试问题，涉及100个问题，各个常见模型问题都有涉及。
美团笔试题之抛硬币问题
《致青春》——云梦泽
11-19 3063
美团笔试题：地面上有无数的随机硬币，现在有一个人负责每天对这些硬币进行操作，操作如下：如果硬币是反面的，就把它翻过来；如果是正面的就随机抛一下；如此以往，到n天以后正面和反面的比例是否能够达到一个稳定的比例，如果能，求比例是多少。
coin-flipping-sim:这是一个以掷硬币为例的机器学习过程的模拟
04-18
抛硬币模拟 该项目以掷硬币为例，是对机器学习过程的简单模拟。
EM抛硬币算法
12-20
Excel来解释公式，简单容易理解 这是一个抛硬币的例子，H表示正面向上，T表示反面向上，参数θ表示正面朝上的概率。硬币有两个，A和B，硬币是有偏的。本次实验总共做了5组，每组随机选一个硬币，连续抛10次。如果知道每次抛的是哪个硬币，那么计算参数θ就非常简单了，如上图所示。 如果不知道每次抛的是哪个硬币呢？那么，我们就需要用EM算法，基本步骤为：1、给θA和θB一个初始值；2、（E-step）估计每组实验是硬币A的概率（本组实验是硬币B的概率=1-本组实验是硬币A的概率）。分别计算每组实验中，选择A硬币且正面朝上次数的期望值，选择B硬币且正面朝上次数的期望值；3、（M-step）利用第三步求得的期望值重新计算θA和θB；4、当迭代到一定次数，或者算法收敛到一定精度，结束算法，否则，回到第2步。
机器学习面试题_抛硬币
qieyuan4083的博客
10-25 639
一. 平均抛多少次硬币, 才能连续出现连续两次正面向上?
枚举算法——抛硬币
努力努力在努力的博客
03-23 700
枚举算法——抛硬币 问题： 有12枚硬币。其中有11枚真币和1枚假币。假币和真币重量不同，但不知道假币比真币轻还是重。现在，用一架天平称了这些币三次，告诉你称的结果，请你找出假币并且确定假币是轻是重（数据保证一定能找出来）。 输入： 第一行是测试数据组数。每组数据有三行，每行表示一次称量的结果。硬币标号为A - L。每次称量的结果用三个以空格隔开的字符串表示：天平左边放置的硬币 天平右边放置的硬币 平衡状态。其中平衡状态用"up", “down”, 或 "even"表示, 分别为右端高、右端低和平衡。天.
机器学习算法岗面试知识.pdf
08-14
【机器学习面试题】 在机器学习领域，面试中常见的问题涵盖了基础理论、算法理解、实践经验以及项目案例。例如，面试者可能会被问到关于数据增强的技术，如Color Jittering，它通过改变图像的亮度、饱和度和对比度...
Python面试题-3
weixin_41312759的博客
06-19 1228
在分步解决问题的过程中，当它通过尝试发现现有的分步答案不能得到有效的正确的解答时，它将取消上一步甚至是上几步的计算，再通过其他的可能的分步解答再次尝试寻找问题的答案。在进行大数计算时，需要注意的是，Python的整数运算实际上是用C语言实现的，因此在处理特别大的整数时，速度可能会比纯Python实现的整数慢。接着，函数遍历所有可能的选项，做选择，递归调用自身，然后撤销选择，尝试其他的选项。使用双指针算法时，重要的是要确保指针的移动是根据问题的具体需求来进行的，并且要正确地初始化和更新指针的位置。
大数据开发面试题总结-超详细
热门推荐
JohnnyChu的博客
11-18 1万+
1、文件上传： 总结： 客户端上传请求--->namenode检查，返回响应--->客户端真正的文件上传请求，包括文件名，文件大小--->namenode返回上传节点--->客户端准备上传，进行块的逻辑切分--->客户端构建pipline流--->开始上传，先上传到缓存中，再上传到磁盘--->上传完成，关闭pipline流--->上...
笔试题-3-机器人抛硬币
luwen2025的专栏
09-17 1068
一堆硬币，一个机器人，如果是反的就翻正，如果是正的就抛掷一次，无穷多次后，求正反的比例
字节跳动面试题.个人玩抛硬币的游戏，谁先抛到正面就获胜。那么先抛的人获胜概率为？
没有感情的刷题机器
03-29 6619
第一次：正 第三次：反反正 第五次：反反反反正 .......第N次：反反。。。。正 p=1/2+(1/2)^3+(1/2)^5+······+（1/2）^(2n+1)=1/2*(1+1/4+(1/4)^2+……+(1/4)^n) 当公比不为1时，等比数列的求和公式为： Sn=[a1(1-q^n)]/(1-q) 对于一个无穷递降数列，数列的公比小于1,当上式得n趋向于正无穷大时，分子括号中的...
面试题08.11、硬币
weixin_45980031的博客
04-23 258
一、题目1 二、思路 对结果，有以下的公式： 其中v(n)v(n)v(n)代表由5、1和由1组成的数量；m(n)m(n)m(n)代表由10、5、1组成的数量。 F(n)=v(n)+m(n)+F(n−25) F(n) = v(n) + m(n)+F(n-25) F(n)=v(n)+m(n)+F(n−25) 每个25是一个轮回，有以下的规律： 1、每5为一个循环，只要除以5的结果的整数部分相同，那么...
纳什均衡-- 硬币正反
w77AYU的博客
04-19 7101
今天看了一篇文章《如何制定一个必赢的赌博规则》，讲的是纳什均衡的问题，感觉挺有趣。于是编程实现了一下，发现这个还真是能实现。关于纳什均衡搜一下网上有很多的资料，这里主要讲的是纳什均衡中硬币正反的问题。硬币正反问题:假如你正在图书馆枯坐，一位陌生美女主动过来和你搭讪，并要求和你一起玩个数学游戏。美女提议：“让我们各自亮出硬币的一面，或正或反。如果我们都是正面，那么我给你3元，如果我们都是反面，我给你...
[算法][动态规划][腾讯面试手撕题]抛硬币问题
身披白袍的博客
11-03 1273
有一些不规则的硬币。在这些硬币中，p[i]表示第i枚硬币正面朝上的概率。 请对每一枚硬币抛掷一次，然后返回正面朝上的硬币数等于n的概率。
机器学习（06）决策树
qq_44761856的博客
05-23 337
决策树是什么？ 为决策而构建的树。 决策就是根据不同的条件作出不同的选择，最简单的if语句就是一种决策。 下面是一颗决策树： 这个图一放出来就一目了然，比如某天是雨天，那么我们就看当天的风力情况，若是大风就不出门，是小风就出门。 决策属性的选择 在构建一颗决策树的过程中，最重要的就是当前属性的选择。这里需要引入信息熵的概念。 熵：事件的不确定性称为熵，不确定性越大，熵越大，确定事件的熵为 0。 信息熵的计算公式： ...
传统面试题 -- 抛硬币连续三次正面的
weixin_49991368的博客
11-15 6348
题目： 抛硬币，连续三次为正面的期望值。 思路： 假设期望是x，如果第一抛是反面，那么第一抛作废，一共需要x+1步，概率为1/2，如果第一抛是正面，第二抛反面，作废，一共需要x+2步，概率为1/4，如果前两抛都正面，第三抛反面，一共需要x+3步，概率为1/8，如果第三抛为正面则完成了，概率为1/8，共三抛。 期望为，求解得x=14。 ...
面试概率题
sky_noodle的博客
11-16 669
1.抛硬币直到连续出现两次字为止 先来考虑一下抛硬币的过程：首先先抛一枚硬币，如果是花，那么需要重头开始；如果是字，那么再抛一枚硬币，新抛的这枚如果也是字，则游戏结束，如果是花，那么又需要重头开始。根据这个过程，设抛硬币的期望次数为T，可以得到关系 T = 1 + 0.5T + 0.5( 1 + 0.5 * 0 + 0.5T) 意义为：游戏结束前一定掷过一次硬币，期望1； 有0.5的概率掷0，掷0...
最大似然估计和最大后验概率估计及其在机器学习中的应用
clearloveTIM的博客
01-19 2200
了解离散型和连续性的最大似然估计，对比最大后验估计。探讨他们在机器学习中的应用，并做了这些代码的实现。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值