数据挖掘和机器学习工程师面试题积累

常见的损失函数？
决策树的剪枝？
集成学习？
boosting和bagging区别
偏差和方差
为什么增加数据可以降低过拟合？
过拟合和欠拟合？
过拟合和欠拟合对偏差和方差的影响？
过拟合以及各类情况下过拟合的解决措施？
梯度消失和剃度爆炸
常见的深度学习优化器
激活函数有哪些
线性回归和逻辑回归
准确率和召回率的
决策树的类型以及介绍？
正则化
讲讲逻辑回归模型？
讲讲gbdt模型？
讲讲xgboost模型？
Xgboost和gbdt的区别？
Xgboost模型调参步骤？
条件熵，信息熵
关于交叉验证，所有机器学习算法都需要交叉验证么？
维度灾难以及处理策略？
Spark的application划分
特征工程的处理？
特征重要性怎么表现？
如何进行特征选择？
不同的编码模式对模型效果的影响？
对于类别特征怎么处理？
Keras包含两种模型，分别是？
Lstm的cell结构？
季节趋势性的处理？
轻量级的集成学习模型？
Hive优化？
数据倾斜产生的原因及解决办法？