机学习算法面试小结.PDF

  1. 1、本文档共63页,可阅读全部内容。
  2. 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. 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. 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)

fkh4608 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档