目录
1、处理分类问题常用算法
1、交叉熵公式
2、LR公式
3 LR的推导,损失函数
4、逻辑回归怎么实现多分类
5 、SVM中什么时候用线性核什么时候用高斯核?
6、什么是支持向量机,SVM与LR的区别?
7.监督学习和无监督学习的区别
8.机器学习中的距离计算方法?
9、问题:朴素贝叶斯(naive Bayes)法的要求是?
10、问题:训练集中类别不均衡,哪个参数最不准确?
11、问题:你用的模型,最有挑战性的项目
12、问题:SVM的作用,基本实现原理;
13、问题:SVM的硬间隔,软间隔表达式;
14、问题:SVM使用对偶计算的目的是什么,如何推出来的,手写推导;
15、问题:SVM的物理意义是什么;
16、问题:如果给你一些数据集,你会如何分类(我是分情况答的,从数据的大小,特征,是否有缺失,分情况分别答的);
17、问题: 如果数据有问题,怎么处理;
18、分层抽样的适用范围
19、LR的损失函数
20、LR和线性回归的区别
2