小白机器学习面试指南
文章平均质量分 90
最全最新机器学习、深度学习“八股文”,面试真题指南。
azierrrrrr
大厂nlper,机器学习爱好者,定期整理记录机器学习、深度学习、Nlp、推荐算法相关知识笔记
展开
-
机器学习面经 - 优化函数
在机器学习和深度学习中,激活函数、损失函数和优化函数是三个重要的概念,也是在面试中很容易考察你在项目中这些函数选择的时候常问的一些问题。它们在神经网络和其他学习算法中发挥关键作用。优化函数(Optimization Function)是用来更新神经网络的权重和偏置,以最小化损失函数的值。在训练过程中,优化函数根据当前的权重和偏置,以及损失函数的梯度信息,来更新模型的参数,使得损失函数逐渐减小,模型逐渐收敛到更好的状态。原创 2023-08-02 23:57:07 · 525 阅读 · 0 评论 -
机器学习面经 - SVD、PCA、LDA
当涉及到降维和特征提取时,PCA、LDA和SVD是三种常用的线性代数和机器学习算法。它们在不同的应用场景下有着各自的优势和用途,也是面试中常问的一些基础知识。一句话总结:PCA是一种无监督降维算法,通过保留数据的主要信息来减少特征维度。LDA是一种有监督降维算法,着重于最大化类别之间的可分性。SVD是一种数学分解技术,常用于矩阵分解和数据压缩。答:PCA也叫主成分分析法,PCA旨在找到数据中的主成分,并利用这些主成分表征原始数据,从而达到降维的目的。原创 2023-08-02 23:33:40 · 214 阅读 · 0 评论 -
机器学习面经 - kmeans、knn
当涉及到聚类和分类问题时,K-Means(k均值)和KNN(K最近邻)是两种常用的机器学习算法。K-Means的目标是最小化所有数据样本到其所属簇中心的平方距离之和,即簇内误差平方和(SSE)。该算法适用于密集型数据和簇结构明显的情况,但对于不同大小、不同密度的簇效果可能不佳。KNN通常适用于小规模的数据集,而且对于特征空间的维度较高时效果可能较差。此外,KNN是一种"懒惰学习"算法,它在预测时需要存储全部的训练数据,并且计算复杂度较高。总结:K-Means是一种无监督聚类算法,用于将数据分成K个簇。原创 2023-08-02 23:37:12 · 167 阅读 · 0 评论 -
机器学习面经 - SVM
支持向量机(Support Vector Machine,SVM)是一种常见的监督学习算法,用于分类和回归任务。它在机器学习中被广泛应用,尤其在处理复杂数据集和解决非线性问题时表现出色。SVM的核心思想是找到一个最优的超平面(在二维空间中是一条直线,在多维空间中是一个超平面),将不同类别的样本点分开得足够远。这个超平面的选取是基于支持向量,也就是离超平面最近的训练样本点。SVM的目标是使这些支持向量到超平面的距离最大化,从而提高分类的鲁棒性。原创 2023-08-02 23:00:52 · 621 阅读 · 0 评论 -
机器学习面经 - LR逻辑回归
机器学习中常见的逻辑回归算法面经整理收集原创 2023-08-02 22:17:23 · 165 阅读 · 0 评论