2024年最新机器学习-支持向量机 -- 硬间隔SVM，2024年最新金三银四前端高级工程师面试题整理

总结一下

面试前要精心做好准备，简历上写的知识点和原理都需要准备好，项目上多想想难点和亮点，这是面试时能和别人不一样的地方。

还有就是表现出自己的谦虚好学，以及对于未来持续进阶的规划，企业招人更偏爱稳定的人。

开源分享：【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】

万事开头难，但是程序员这一条路坚持几年后发展空间还是非常大的，一切重在坚持。

为了帮助大家更好更高效的准备面试，特别整理了《前端工程师面试手册》电子稿文件。

前端面试题汇总

JavaScript

性能

linux

前端资料汇总

前端工程师岗位缺口一直很大，符合岗位要求的人越来越少，所以学习前端的小伙伴要注意了，一定要把技能学到扎实，做有含金量的项目，这样在找工作的时候无论遇到什么情况，问题都不会大。

3. SVM的三个重要的算法：

---

（1）Hard-margin SVM 线性可分的SVM

（2）Soft-margin SVM  线性不可分的SVM

（3）Kernel SVM (Nonlinear SVM)  非线性

二、硬间隔SVM（Linearly separable patterns – Hard-margin SVM）

---

1. 预知识：

---

线性模型：在样本空间中寻找一个超平面, 将不同类别的样本分开.

-Q:将训练样本分开的超平面可能有很多, 哪一个好呢?

-A:应选择”正中间”, 容忍性好, 鲁棒性高, 泛化能力最强.

2. Hard-margin SVM

---

****输入空间：****欧几里德空间或离散集（Euclidean space or discrete set）

****输出空间：****欧几里得空间或希尔伯特空间（Euclidean space or Hilbert space）内积空间

****假设：****输入空间的实例可以映射到特征空间中的特征向量。(一对一)。学习是在特征空间中进行的

训练数据集：

****目标：****找到一个超平面 wx + b = 0   (w,b为参数)

****思路：****间隔最大（maximum margin）

     

线性支持向量机SVM：

3. 函数间隔 VS 几何间隔

---

确信度（confidence）：|w x + b|

****正确性（correctness）：****w x + b与y符号相同时，表示预测正确，相反w x + b与y符号相反时，表示预测错误，则正确的可以写成 y ( w x + b )

因此结合确信度和正确性 可以得到：y ( w x + b )

（1）函数间隔

给定训练数据集T，平面（w,b）

目前可以得到这样的结果。

但是，如果将w变为2w，b变成2b，超平面不会发生变化，但是函数间隔变化了

因此：我们选择使用||w||  ( w的二范数)

从而引出几何间隔

（2）几何间隔

4. 最大间隔化

---

****基本思想：****求解能正确划分训练数据集，且geometric margin 最大的分离超平面（唯一）

间隔最大化又称硬间隔最大化（Maximum Hard-margin）

直观解释****：****对训练数据集找到几何间隔最大的超平面意味着以充分大的确信度对训练数据进行分类。也即，不仅将正负实例点分开，而且对最难分的实例点（离超平面最近的点）也有足够大的确信度将它们分开。这样的超平面应对未知的新实例有很好的分类预测能力。

****如何求该超平面？****几何间隔最大化（最优化）

（每个样本的几何间隔至少是r）

我们令 r=1

（实质是一个凸二次规划）

5. 硬间隔SVM的算法描述

---

输入：训练集T

输出：最大间隔超平面w* x + b

得到最大间隔超平面和决策函数

6. 支持向量

---

****支持向量：****离超平面最近的点，即满足不等式取等的时候

长带的宽度：H1和H2的距离叫间隔margin

H1和H2称作间隔的边界

H1和H2上的训练样本点叫支持向量

中间线上的叫支持向量机

在决定分离超平面时只有支持向量起作用；其他的点不影响求解

若移动支持向量将改变所求的解；但若在间隔边界以外移动其他实例点，甚至去掉这些点，则解释不好改变的。

由于支持向量在确定分离超平面中起决定性作用，故这种分类模型称支持向量机。

支持向量的个数一般很少，所有支持向量机由很少的“重要的”训练样本确定。

7. 硬间隔SVM例题

---

由于当训练集比较大时，手动解法很复杂，因此我们引入对偶问题

8. 对偶问题

---

原始问题—>对偶问题

****目的：****方便解决问题和方便引入核函数(非线性分类变为线性分类)

如何进行对偶理论不再此讲解

原始问题：

对于每一个约束，引入一个拉格朗日参数a,因此问题转化为：

对于求解对偶问题，我们调换min和max，因此得到了原始问题的对偶问题：

求解对偶问题

求解对偶问题，就是要解w,b,a

先求拉格朗日函数的最小问题----求导

求出对w和b的导数之后，可以解出w以及关系

将求出来的两项带入拉格朗日函数中，

因此问题进一步得到转化

框架相关

原生JS虽能实现绝大部分功能，但要么就是过于繁琐，要么就是存在缺陷，故绝大多数开发者都会首选框架开发方案。现阶段较热门是React、Vue两大框架，两者工作原理上存在共通点，也存在一些不同点，对于校招来说，不需要两个框架都学得特别熟，一般面试官会针对你简历中写的框架进行提问。

在框架方面，生命周期、钩子函数、虚拟DOM这些基本知识是必须要掌握的，在学习的过程可以结合框架的官方文档

开源分享：【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】

Vue框架

知识要点：
1. vue-cli工程
2. vue核心知识点
3. vue-router
4. vuex
5. http请求
6. UI样式
7. 常用功能
8. MVVM设计模式

React框架

知识要点：
1. 基本知识
2. React 组件
3. React Redux
4. React 路由

：【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】](https://bbs.csdn.net/forums/4304bb5a486d4c3ab8389e65ecb71ac0)**

Vue框架

知识要点：
1. vue-cli工程
2. vue核心知识点
3. vue-router
4. vuex
5. http请求
6. UI样式
7. 常用功能
8. MVVM设计模式

[外链图片转存中…(img-Fal7vNGC-1715754080814)]

React框架

知识要点：
1. 基本知识
2. React 组件
3. React Redux
4. React 路由

[外链图片转存中…(img-u8VJe0cL-1715754080815)]