人工智能面试题分享（含答案）

最新推荐文章于 2024-08-09 11:48:43 发布

骨灰级收藏家

最新推荐文章于 2024-08-09 11:48:43 发布

阅读量7.8k

点赞数 9

分类专栏：人工智能文章标签：人工智能聚类算法框架TensorFlow 朴素贝叶斯算法机器学习

本文链接：https://blog.csdn.net/JACK_SUJAVA/article/details/109121725

版权

本文分享了10道人工智能面试题，涉及深度学习框架TensorFlow的交叉熵、过拟合解决办法、核函数概念、朴素贝叶斯优势、监督学习、模型选择、图形数据库Neo4J优劣势、LR与SVM的比较以及聚类应用场景等。旨在帮助求职者准备面试。

摘要由CSDN通过智能技术生成

现在人工智能就业前景怎么样？学完人工智能相关课程好找工作吗？目前国内人工智能领域正在高速发展，各大企业都在积极布局人工智能技术应用。想要从事人工智能相关工作，不但要了解国内整体的发展方向。而进入企业唯有基础才是最好的敲门砖。今天在黑马程序员论坛找了一些关于人工智能的面试题。希望对近期求知的小伙伴有一定的帮助。

人工智能面试题分享（含答案）
　　1、深度学习框架TensorFlow中有哪四种常用交叉熵？
　　答： tf.nn.weighted_cross_entropy_with_logits
　　tf.nn.sigmoid_cross_entropy_with_logits
　　tf.nn.softmax_cross_entropy_with_logits
　　tf.nn.sparse_softmax_cross_entropy_with_logits

2、什么叫过拟合，避免过拟合都有哪些措施？
　　答：过拟合：就是在机器学习中，我么测试模型的时候，提高了在训练数据集的表现力时候，
　　但是在训练集上的表现力反而下降了。
　　解决方案：
　　1.正则化；
　　2.在训练模型过程中，调节参数。学习率不要太大；
　　3.对数据进行交叉验证；
　　4.选择适合训练集合测试集数据的百分比，选取合适的停止训练标准，使对机器的训练在合适；
　　5.在神经网络模型中，我们可以减小权重；

3、什么是核函数？
　　核函数是将线性不可分的特征隐射到高位特征空间，从而让支持向量机在这个高维空间线性可分，也就是使用核函数可以向高维空间映射并解决非线性的分类问题。包括线性核函数ÿ