- 博客(10)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 机器学习面试总结（第五篇）
18、ID3该树模型可以重复使用特征吗？ID3使用什么原则进行选择特征？ 19、C4.5使用什么原则进行选择特征的？怎样进行剪枝操作？ 20、CART树挑选特征的准则？回归树和分类树分开进行介绍？信息增益，信息增益比，基尼指数有什么区别和联系？ 21、SVM和logsitic回归使用场景？ ...
2018-07-31 16:50:56
364
原创 机器学习面试总结（第四篇）
15、k-means算法具体步骤？有哪些优缺点？改进？用了哪些距离度量？ 16、有哪些常见的树？树模型的优点？树生成步骤？ 17、熵，条件熵的理解及公式？信息增益的理解？信息增益比要解决的问题？ ...
2018-07-30 20:42:46
326
原创 机器学习面试总结（第三篇）
9、集成学习大致分类？通俗理解怎样才能提高集成学习的性能？ 10、Booststrap sampling需要解决的问题？Booststrap sampling的思想？Bagging的基本思想？从偏差方差角度解释bagging？ 11、随机森林RandomForest的思想？RF与bagging的不同？ 12、常用的集成方法？Stacking的思想？ 13、个体学习器的多样性增强，可以从哪几...
2018-07-30 20:39:33
290
原创 机器学习面试总结（第二篇）
6、为什么需要特征选择？特征选择有哪些？ 7、Lasso L1正则化为什么把系数压缩成0？优化方法？ 8、Lasso的全称？
2018-07-30 20:33:20
349
原创 机器学习面试总结（第一篇）
1、为什么SVM要最大间隔？ 2、SVM为什么可以要转换成对偶问题？用对偶问题的好处？原问题和对偶问题的关系？ 3、SMO算法的流程 4、SVM怎么防止过拟合？ 5、SVM如何处理多分类问题？ ...
2018-07-30 20:28:57
389
原创 换个角度理解岭回归
今天要写的博客说简单也简单，是大家熟悉的线性模型，但是我们通过线性模型的不足，我们导出岭回归，下面是博客的结构。 1.线性模型 2.线性模型出现的问题 3.改进线性模型—->
2018-07-30 20:18:17
1574
原创 全面理解似然函数与贝叶斯公式
不知道你是否看过我之前的文章，如果看了的话，你会认为很烂，然后判断这篇博客也是很大程度上是很烂的，如果这样的，很幸运，那你使用了贝叶斯思维方式来进行思考问题了。 学了这么多年贝叶斯公式，不是很了解贝叶斯公式，但是今天和师兄去聊似然函数的时候，聊到了贝叶斯公式，感觉可以去解释人生当中做的一些判断。下面...
2018-07-30 20:11:42
14804
7
转载 透彻理解神经网络剪枝算法
1. 问题叙述 心血来潮写点最近做的成果，主要分成两个博客来进行阐述。研究生上了一年半看了不少关于剪枝神经网络方面的文章，但是有很少的文章能让人感觉到耳目一新，打通了任督二脉的感觉。前段时间看到了一个剪枝算法就有这种感觉。和大家分享下。 全连接神经网络在很多方面都用的很多，这我就不赘述了，全连接有很强的逼近能力但是很容易导致过拟合。所以 机器学习与模式识别最核心的问题就是减小系统的复...
2018-07-30 20:07:36
16502
1
原创 机器学习入门之线性回归算法推导
心血来潮，想将所学到的知识写篇博客，作者所研究的方向为机器学习，刚学习的时候，走了很多弯路，看的书不少，在推导机器学习一些算法时候遇到了不少困难，查了不少资料，在刚才学的时候，有很多公式推导起来很困难，或者说大多数人都会遇到这样的问题，本博客目的就是解决在机器学习公式推导过程中遇到的问题。 关于机器学习的参考书，周志华的机器学习，李航的统计学习方法，及国外的PRML都是不错的阅读材料。还有Andr...
2018-07-30 20:03:52
796
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人