文章目录
前言
机器学习面试关于算法方面的内容,对网络上的内容进行整合,方便日后自己复习以及给大家面试的时候来用。以下内容均来自于网络上的资源,会在文末统一标明出处。
正文
1、如何处理过拟合?
- 提前结束训练
- 使用正则参数
- 控制树的深度or学习率
- 随机列抽样
2、过拟合原因?
数据:数据不规范,数据量少,数据穿越,统计特征用到了未来的信息或者标签信息
算法:算法过于复杂
解决方案:
- 将数据规范化,处理缺失值,增加数据量,采样,添加噪声数据
- 正则化,控制模型复杂程度,
- early stoping,减少迭代次数,减少树的深度,
- 学习率调大/小点、
- 融合几个模型
3、L1和L2的区别
- L1是Lasso Regression,表示向量中每个元素绝对值的和:L1范数的解通常是稀疏性的,倾向于选择数目较少的一些非常大的值或者数目较多的insignificant的小值。
- L2是岭回归,Ridge Regression,是欧氏距离也就是平方和的平方根。L2范数越小,可以使得w的每个元素都很小,接近于0,但L1范数不同的是他不会让它等于0而是接近于0。
- L1正则化的w可取的值是转置的方形,L2对应的是圆