《機器學習基礎》
邏輯回歸，svm，決策樹
1、邏輯回歸和svm的區別是什麼？各適用於解決什麼問題？
2、linear svm 和 線性回歸 有什麼異同？
答案：基礎知識：
3、支援向量機屬於神經網路範疇嗎？
4、如何理解決策樹的損失函式？
5、各種機器學習的應用場景分別是什麼？例如，k近鄰,貝葉斯，決策樹，svm，邏輯斯蒂回歸和最大熵模型。
主成分分析，奇異值分解
6、svd降維體現在什麼地方？
7、為什麼pca不被用來避免過擬合？
隨機森林，gbdt、整合學習
8、為什麼說bagging是減少variance，而boosting是減少bias？
9、基於樹的adaboost和gradient tree boosting的區別是什麼？
adaboost對於每個樣本有乙個權重，樣本預估誤差越大，權重越大。gradient boosting則是直接用梯度擬合殘差，沒有樣本權重的概念。
10、機器學習演算法中gbdt和xgboost的區別？
11、為何在實際的kaggle比賽中，gbdt和random forest效果非常好？
過擬合12、機器學習中用來防止過擬合的方法有哪些？
機器學習演算法工程師領域現狀
現在可以說是機器學習演算法工程師最好的時代，各行各業對這類人才的需求都非常旺盛。典型的包括以下一些細分行業 1 推薦系統。推薦系統解決的是海量資料場景下資訊高效匹配分發的問題，在這個過程中，無論是候選集召回，還是結果排序，以及使用者畫像等等方面，機器學習都起著重要的作用。2 廣告系統。除了平台和使用...
機器學習演算法工程師面試 總綱
二.資料輸入 三.特徵工程 四.模型構建 2.線性分類器 3.概率圖 4.聚類 5.回歸分析 6.其他 五.模型評估與驗證 六.面試問題 資料結構 演算法 數學基礎 計算機系統 程式設計 參考文件 bprnn cnnsnn gansvm s3vm tsvm logisitic regression ...
機器學習演算法工程師面試問題
手寫二叉樹前序遍歷 劍指offer青蛙跳台階問題 乙隻青蛙一次可以跳上1級台階，也可以跳上2級。求該青蛙跳上乙個n級的台階總共有多少種跳法？我 採用遞迴的方式做，f n f n 1 f n 2 n 3 f 1 1 f 2 2 面試官 如果不利用遞迴方式怎麼做？我 構建乙個vector向量，1,2,3...