本文详细解答了161到180道关于人工智能、深度学习和机器学习的面试题目，涵盖判别式模型与生成式模型的区别、L1和L2正则化、LSTM结构、机器学习项目流程、哈希冲突解决、有监督与无监督学习的对比、正则化、特征选择等核心概念。通过对这些知识点的深入解析，帮助读者准备面试，提升技术理解。
目录
180.为什么LSTM模型中既存在Sigmoid又存在Tanh两种激活函数？
161.谈谈判别式模型和生成式模型？
判别方法：由数据直接学习决策函数 Y = f（X），或者由条件分布概率 P（Y|X）作为预测模型，即判别模型。
生成方法：由数据学习联合概率密度分布函数 P（X,Y）,然后求出条件概率分布P(Y|X)作为预测的模型，即生成模型。
由生成模型可以得到判别模型，但由判别模型得不到生成模型。
常见的判别模型有：K近邻、SVM、决策树、感知机、线性判别分析（LDA）、线性回归、传统的神经网络、逻辑斯蒂回归、boosting、条件随机场
常见的生成模型有：朴素贝叶斯、隐马尔可夫模型、高斯混合模型、文档主题生成模型（LDA）、限制玻尔兹曼机
162.L1和L2的区别。
L1范数（L1 norm）是指向量中各
订阅专栏 解锁全文
扫一扫
1921
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
