nlp面试-学习神经网络以及机器学习39问

为了方便大家更好的学习和提问，特建立微信群，

 

神经网络	L2	fasttext模型的结构，模型中的优点
神经网络	L2	复杂结构模型和简单结构模型的优缺点
神经网络	L2	推导softmax的求导过程
神经网络	L2	神经网络激活函数有几种，各有什么优缺点
神经网络	L2	时序数据选择怎么样的模型处理
神经网络	L2	简单介绍一下为什么可以选择交叉熵作为损失函数，交叉熵损失函数的求导
神经网络	L2	ReLu损失函数有什么优缺点，有什么优化方法
神经网络	L2	L1正则和L2正则说一下 L1满足什么
神经网络	L2	常用正则化方式 L1L2正则化的区别在哪里 应该如何选择他们
神经网络	L2	生成式模型了解吗 和判别式模型有什么区别
神经网络	L2	哪些网络结构可以作为生成式模型的结构
神经网络	L2	生成序列的时候需要用的自回归结构 有了解吗
神经网络	L2	怎么去判断生成的截止点？比如给定中文生成英文，什么时候知道模型应该停止了呢
神经网络	L2	sigmoid和softmax，写一下交叉熵公式
神经网络	L2	传统的softmax词向量模型为什么计算效率低，词嵌入应该从输入层获取还是输出层获取
机器学习nlp	L2	什么是贝叶斯公式
机器学习nlp	L2	怎么使用朴素贝叶斯分类
机器学习nlp	L2	聚类算法有几种，简单介绍几种
机器学习nlp	L2	什么是降维算法
机器学习nlp	L2	什么是主题模型
机器学习nlp	L2	隐马尔科夫模型中前向和后向算法，vertibe算法
机器学习nlp	L2	什么是贝叶斯网络，模型主要原理
机器学习nlp	L2	什么是条件随机场，模型主要原理
机器学习nlp	L2	简单介绍一下最大熵模型算法原理
机器学习nlp	L2	逻辑回归怎么处理过拟合呢，需要对特征进行归一化么
机器学习nlp	L2	你能简单区分一下，bagging 和 boosting 方法吗？
机器学习nlp	L2	说一说集成学习
机器学习nlp	L2	传统的machine learning的算法了解哪些？你选择一个详细介绍一下
机器学习nlp	L2	svm相比于LR或者Perceptron 优势在哪里
机器学习nlp	L2	详细说下svm的每一步 函数 优化目标 最后变成什么形式 在什么条件下 为什么要用对偶问题
机器学习nlp	L2	随机森林和gbdt的区别
机器学习nlp	L2	随机森林需要特征的标准化么 减少方差 为什么 多个决策树比单个决策树好在哪里
机器学习nlp	L2	机器学习的衡量指标有什么，如何解决过拟合和欠拟合
机器学习nlp	L2	GBDT了解吗?基分类器用的什么?分类时也是用的那个吗?说一下GBDT的原理
机器学习nlp	L2	XGBoost相对GBDT原理上有哪些改进。
机器学习nlp	L2	介绍一下极大似然估计，和最大后验的区别是什么
机器学习nlp	L2	介绍逻辑回归，逻辑回归是一个分类算法，那么它是在回归什么呢?
机器学习nlp	L2	优化方法，拟牛顿法，梯度下降法，其他优化算法
机器学习nlp	L2	介绍一下逻辑回归和线性回归