- 1、本文档共63页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
2018/5/23 机器学习算法面试小结
152
机器学习算法面试小结
dragon fi…
关注他
过气的CV从业者
152 人赞了该文章
目录 :
首发于
• SVM与LR的区别 机器学习与算法
• 从模型解决问题的方式来看
• 两者的区别
• 方法的选择
• 应用场景方面不同
• SVM适合处理什么样的数据?
分享
• 机器学习常见算法总结
• 朴素贝叶斯
• 线性回归
/p 1/63
2018/5/23 机器学习算法面试小结
• LR回归
• 优化问题的求解方法
• 梯度下降法
• 优化思想
152
• 缺点
• 批量梯度下降法
• 随机梯度下降法
• 牛顿法
• 牛顿法比梯度下降法快
• 拟牛顿法
• 拉格朗 日法
• 机器学习算法选择
• 贝叶斯
• K近邻
• 三要素 :
152 4 条评论 分
• k值的选择
• 分类决策规则
• 优缺点 :
• KD树
• 构造KD树
• KD树的有哪些信誉好的足球投注网站
• 决策树
• 随机森林
• 基本概念
/p 2/63
2018/5/23 机器学习算法面试小结
• 参数调节
• RF与传统bagging的区别
• RF的优点
• 缺点
• RF的学习算法
152
• GBDT
• 基本概念
• GBDT与传统Boosting (AdaBoost)的区别
• GBDT正则化的方式
• GBDT的优缺点
• GBDT预测时每一棵树是否能并行?
• GBDT和RF的区别与联系
• XGBOOST相比于GBDT有何不同?XGBOOST为什么快?XGBOOST如何支持并行?
• ababoost
• 集成学习与方差偏差
• 为什么说bagging是减少variance,而boosting是减少bias?
• 为什么把特征组合之后还能提升
• 总体性问题
• 分类与回归的区别
• 生成模型与判别模型的区别
• 精确率、召回率、F1 值 、ROC、AUC 各 自的优缺点是什么?
• 过拟合
• 线性分类器与非线性分类器的区别以及优劣
• 样本不均衡如何解决
• 重采样 (resampling)技术 :
/p 3/63
2018/5/23 机器学习算法面试小结
• 深度学习方面的问题
• 深度学习的实质 及其 与浅层学习的区别
• BP算法为什么不能适应于深度学习
• CNN卷基层和pooling层的作用
• DNN常用的激活函数有哪些,各有什么特点
• 解决relu神经元坏死问题
152
• 什么样的资料不适合用深度学习?
文档评论(0)