算法工程师面试题

决策树如何防止过拟合？

剪枝算法
随机森林

一般情况下，如何防止过拟合？

数据集扩增（Data Augmentation）:从数据源头采集更多数据；复制原有数据并加上随机噪声；重采样；根据当前数据集估计数据分布参数，使用该分布产生更多数据等。
正则化方法
提前终止训练（Early stopping）
Dropout，只用于深度学习中。
Batch Normalization。

正则化项L1和L2的区别？

L1更容易得到稀疏解：

For more detail, please refer to: https://blog.csdn.net/Left_Think/article/details/77684087

决策树和逻辑回归有什么优缺点？分别适于解决什么问题？

逻辑回归适用于处理接近线性可分的分类问题。它可以得到一个与每个观测样本相关的概率列表。