机器学习面试题库：1-10题（1day）

机器学习面试：1-10题（1day）

A. Logit回归本质上是一种根据样本对权值进行极大似然估计的方法，而后验概率正比于先验概率和似然函数的乘积。logit仅仅是最大似然函数，并没有最大化后验概率，更谈不上最小化后验概率。A错误
B. Logit回归的输出就是样本属于正类别的几率，可以计算出概率，正确
C. SVM的目标是找到使得训练数据尽可能分开且分类间隔最大的分离超平面，应该属于结构风险最小化。
D. SVM：训练好的模型的算法复杂度是由支持向量的个数决定的，而不是由数据的维度决定的，所以SVM不太容易产生overfitting，SVM训练出的模型比较容易被泛化（SVM如果训练得到的支持向量的个数比较少。）

神经网络是一个通用的逼近算法，所以它可以实现线性回归。
理论上，如果有足够多的隐层和只够大的训练集，可以模拟出任何方程。

D：参数C为惩罚因子，C越小，