机器学习笔试题：异常值识别和过拟合/欠拟合问题

机器学习笔试题：异常值识别和过拟合/欠拟合问题

1. 给定一个数据集，如何判断是否存在异常值？

答案：常见的方法是使用箱线图（Box Plot）或者 z-score 标准化方法。箱线图可以将数据集分成四分位数，并将异常值作为离群点标记出来。z-score 标准化方法可以计算每个数据点与均值的距离，然后标准化为一个标准偏差。

2. 什么是过拟合和欠拟合？如何解决这两个问题？

答案：过拟合指模型在训练集上表现很好，但在测试集上表现很差的现象，通常是因为模型过于复杂，学习了训练集中的噪声和细节。欠拟合指模型无法捕捉到数据集中的重要特征，通常是因为模型过于简单。

解决过拟合的方法包括：数据增强、正则化（L1，L2）、提前终止（Early Stopping）等。解决欠拟合的方法包括：增加特征、增加模型复杂度、更换模型等。