蚂蚁金服面试

 

1、对于Xgboost模型,如果loss很低,但分类精度很低,原因?如何解决,从模型内部考虑?

2、gbdt,xgboost,lgbm的区别

3、梯度下降法,牛顿法,拟牛顿法区别

5、什么是梯度消失,饱和,如何改善

6、lr的推导

7、bagging.boosting.stacking区别

8、CNN与RNN的区别

9、如何防止过拟合

2018/08/16 百度面试

 

编程题:求解二叉树的最大高度(递归与非递归) 二叉树的深度

研究研究Tensorflow框架中GPU的卷积操作是怎样实现的,

一本数据结构和算法相关书籍搞深,搞透

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值