机器学习面试题
文章平均质量分 89
Mrrunsen
这个作者很懒,什么都没留下…
展开
-
机器学习| 面试题:15、逻辑回归与线性回归之间的异同
问题逻辑回归相比于线性回归,有何异同问题背景逻辑回归与线性回归是机器学习中非常常用和基础的模型,面试当中也会经常被问到,而两者有着很多共同点,就连名字都差不多一样,所以会被问道两者的区别也是太正常不过了。我们都知道,回归是对连续值的预测,那么“逻辑回归”是回归问题吗?我们首先聊聊逻辑回归这个名字的由来:对逻辑回归公式进行整理,我们可以得到 logp1−p=ωTx+blog{\frac{p}{1-p}} = \omega^T x+blog1−pp=ωTx+b,其中p=P(y=1∣x)p = P(y=原创 2021-09-13 09:38:12 · 968 阅读 · 0 评论 -
机器学习| 面试题:14、线性回归损失函数为什么要用平方形式
问题线性回归损失函数为什么要用平方形式?问题背景这是在阿里一面中遇到的问题,当时我的回答是损失函数是是模型预测值与真实值之间的一种距离度量,我们可以计算出每个样本的预测值与真实值之间的距离,全部加起来就得到了所谓的损失函数。而距离的度量可以采用预测值与真实值之间差的绝对值,或者两者之差的平方,当然更高次的也行,只要你喜欢。正如问题所述,为什么我们一般使用的是两者之差的平方而不是两者只差的绝对值呢?其实这与模型的求解相关,举最简单的线性回归为例,如果采用的距离是两者之差的绝对值,那么求解的目标函数如下:原创 2021-09-13 09:36:18 · 1980 阅读 · 0 评论 -
机器学习| 面试题:13、机器学习中常用的损失函数总结
问题机器学习中常用的损失函数总结前言我们经常听到损失函数、代价函数和目标函数这三种说法,这三种说法有什么联系和区别呢?这里明确下:损失函数 Loss Function 通常是针对单个训练样本而言的,给定一个模型输出 y^\hat{y}y^ 和一个真实值 yyy ,损失函数输出一个实值损失 L=f(yi,yi^)L = f(y_i, \hat{y_i})L=f(yi,yi^)代价函数 Cost Function 通常是针对整个训练集(或者是在使用 mini-batch gradient de原创 2021-09-13 09:35:02 · 625 阅读 · 0 评论 -
机器学习| 面试题:12、判别式模型和生成式模型
问题判别式模型和生成式模型是机器学习中很重要的两个概念,也是笔试面试中很可能出现的问题,这里整理一遍是为了让自己更好地理解和区分这两者之间的不同。概念假设可观测到的变量集合为X,其他变量集合为Z,需要预测的变量集合为Y,则:判别式模型: 是指在给定X情况下,直接对**条件概率分布P(Y,Z|X)进行建模来预测 Y。P(Y∣X)=∑ZP(Y,Z∣X)P(Y|X)=\sum_{Z}P(Y,Z|X)P(Y∣X)=Z∑P(Y,Z∣X)生成式模型: 是指先对联合概率分布P(X, Y, Z)**进行建原创 2021-09-13 09:32:58 · 443 阅读 · 0 评论 -
机器学习| 面试题:01、机器学习中LR(Logistic Regression)和SVM(Support Vector Machine)有什么区别与联系?
问题机器学习中LR(Logistic Regression)和SVM(Support Vector Machine)有什么区别与联系?背景LR和SVM的概念大家都有了解甚至很熟悉了,不过在面试中可能不止是简单地单独考察你对LR或SVM的理解,可能会让你对这两个算法进行比较分析,因此就有必要将两者放在一起比较一下。LR和SVM的联系1. LR和SVM都是分类算法普通的LR和SVM算法只能处理二分类问题,当然,通过改进后的LR和SVM都可以用来处理多分类问题(后面会详细解释)。2. 在不考虑核函数原创 2021-09-11 13:49:41 · 358 阅读 · 0 评论