传统机器学习问题

• Adaboost拟合目标是什么
• Adaboost介绍一下，每个基学习器的权重怎么得到的
• 介绍下GBDT
• 介绍XGBoost
• 介绍下LightGBM
• LightGBM相对于XGBoost的改进
• GBDT中的梯度是什么，怎么用
• GBDT如何计算特征重要性
• GBDT讲一下，GBDT拟合残差，是真实的误差嘛，在什么情况下看做是真实的误差
• 介绍XGBoost中的并行
• 介绍XGBoost中精确算法与近似算法
• XGBoost如何处理空缺值，为何要进行行采样、列采样
• 讲一下xgboost算法，xgboost是如何处理离散特征的，xgb怎么训练，xgb算法优点，怎么选特征，主要参数有哪些，xgb的特征重要性怎么看
• xgboost介绍一下，xgb对目标函数二阶泰勒展开，哪个是x，哪个是delta x, 一阶导和二阶导是对谁求得
• 随机森林与GBDT采样的区别
• 随机森林中列采样的作用
• bagging与boosting对比, boosting和bagging的区别及分别适用于什么场景
• bagging与boosting分别从什么角度降低过拟合
• 随机森林采样n次，n趋于无穷大，oob样本的概率接近于？
• 树模型一般有哪些参数，分别有什么作用
• 随机森林如何处理空缺值
• 决策树有哪些划分指标？区别与联系？
• 集成学习的分类？有什么代表性的模型和方法？
• 如何从偏差和方差的角度解释bagging和boosting的原理？
• GBDT的原理？和Xgboost的区别联系？
• adaboost和gbdt的区别联系？
• 树模型如何调参
• 树模型如何剪枝？

• Bagging和Boosting的区别

• 介绍XGBoost

• RF，Adaboost， xgboost的区别

• 有哪些无监督学习的方法（kmeans,pca,生成模型，自编码器）
• 有哪些回归模型（多项式回归，树模型，svr, 神经网络）
• 生成模型、判别模型的区别
• 朴素贝叶斯介绍，朴素贝叶斯公式，为什么朴素
• 降维方法了解嘛，PCA? 为什么取特征值前k大的对应的特征向量组成的矩阵？低秩表示