#面试经验001 华为/字节/滴滴/中兴/美团 AI算法题汇总（含答案）

 1、怎么解决过拟合

过拟合：提升训练表现力时，测试表现力下降。

• 正则化（L1、L2正则化）
• 数据增强（数据集越多，过拟合的概率越小，可以通过旋转、缩放、剪切、添加噪声等操作进行数据增强。）
• dropout(神经元以一定概率不工作)
• early stopping（验证集准确率不再提高时结束训练）

 2、1*1卷积核的作用

• 跨通道的特征整合
• 特征通道的升维和降维（增加或减少channels）
• 减少卷积核参数
• 增加非线性（后接非线性激活函数）

3、使用大卷积核的好处

• 卷积和越大，感受野越大，看到的图片信息越多，学习全局特征，因此获得的特征越多。 （缺点：计算量暴增，不利于模型深度加深。）

 4、SVM如何实现多分类

• 直接法，直接在目标函数上进行修改，将多个分类面的参数求解合并到一个最优化问题中，通过求解该最优化问题“一次性”实现多类分类。（这种方法看似简单，但其计算复杂度比较高，实现起来比较困难，只适合用于小型问题中。）
• 间接法，主要是通过组合多个二分类器来实现多分类器的构造，常见的方法有一对一和一对多两种。

5、logistic与线性回归的异同 

相同点：

• 都是线性模型（logistic是广义的线性回归）
• 表达形式，逻辑回归是线性回归套上一个sigmoid函数
• 参数估计，都用了极大似然估计

 区别：

• 线性回归优化均方差（最小乘二），逻辑回归优化似然函数（交叉熵）
• 线性回归要求成线性关系
• 逻辑回归处理分类问题（0-1），线性回归处理回归问题（实数域）
• 逻辑回归假设响应变量服从伯努利分布，线性回归假设相应变量服从正态分布