1. 請簡要介紹下tensorflow的計算圖
tensorflow是乙個通過計算圖的形式來表述計算的程式設計系統，計算圖也叫資料流圖，可以把計算圖看做是一種有向圖，tensorflow中的每乙個節點都是計算圖上的乙個tensor, 也就是張量，而節點之間的邊描述了計算之間的依賴關係(定義時)和數學操作(運算時)。如下圖表示：
2. 在k-means或knn，我們常用歐氏距離來計算最近的鄰居之間的距離，有時也用曼哈頓距離，請對比下這兩種距離的差別。歐氏距離，最常見的兩點之間或多點之間的距離表示法，又稱之為歐幾里得度量，它定義於歐幾里得空間中，如點x=(
x1,.
..,x
n)x = (x1,...,xn)
x=(x1,
...,
xn) 和 y=(
y1,.
..,y
n)y = (y1,...,yn)
y=(y1,
...,
yn) 之間的距離為：
歐氏距離雖然很有用，但也有明顯的缺點。它將樣品的不同屬性（即各指標或各變數量綱）之間的差別等同看待，這一點有時不能滿足實際要求。例如，在教育研究中，經常遇到對人的分析和判別，個體的不同屬性對於區分個體有著不同的重要性。因此，歐氏距離適用於向量各分量的度量標準統一的情況。
如圖所示，曼哈頓距離，在歐幾里得空間的固定直角座標系上兩點所形成的線段對軸產生的投影的距離總和。例如在平面上，座標(x1
,y1)
(x_1, y_1)
(x1,y
1)的點p
1p_1
p1與座標(x2
,y2)
(x_2, y_2)
(x2,y
2)的點p
2p_2
p2的曼哈頓距離為：
BAT機器學習面試1000題系列（86 90題）
無障礙寫文章 28 人贊同了該文章 86.已知一組資料的協方差矩陣p,下面關於主分量說法錯誤的是 c a 主分量分析的最佳準則是對一組資料進行按一組正交基分解,在只取相同數量分量的條件下,以均方誤差計算截尾誤差最小 b 在經主分量分解後,協方差矩陣成為對角矩陣 c 主分量分析就是k l變換 d 主分...
BAT機器學習面試1000題系列（56 60題）
無障礙寫文章 29 人贊同了該文章 對影象 不同的資料視窗資料 和濾波矩陣 一組固定的權重 因為每個神經元的多個權重固定，所以又可以看做乙個恆定的濾波器filter 做內積 逐個元素相乘再求和 的操作就是所謂的 卷積 操作，也是卷積神經網路的名字 非嚴格意義上來講，下圖中紅框框起來的部分便可以理解為...
BAT面試經驗分享（機器學習演算法崗）
阿里 對於大資料方面的問題可參考 二面 相隔時間有三周左右，本來以為沒戲了 二面是個大叔，問了專案中的fm和ffm的區別 參考問的主要是專案上的，問了天池大資料比賽的一些問題，因為說了平時會關注最新技術動態，因為就叫我舉個例子，剛好看過微軟識花的那篇文章就好好講了下。最後問了下工作地啥的。二面就40...